KR101883767B1 - Linear prediction analysis device, method, program, and storage medium - Google Patents

Linear prediction analysis device, method, program, and storage medium Download PDF

Info

Publication number
KR101883767B1
KR101883767B1 KR1020177032372A KR20177032372A KR101883767B1 KR 101883767 B1 KR101883767 B1 KR 101883767B1 KR 1020177032372 A KR1020177032372 A KR 1020177032372A KR 20177032372 A KR20177032372 A KR 20177032372A KR 101883767 B1 KR101883767 B1 KR 101883767B1
Authority
KR
South Korea
Prior art keywords
coefficient
value
input time
series signal
degree
Prior art date
Application number
KR1020177032372A
Other languages
Korean (ko)
Other versions
KR20170126515A (en
Inventor
유타카 카마모토
타케히로 모리야
노보루 하라다
Original Assignee
니폰 덴신 덴와 가부시끼가이샤
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 니폰 덴신 덴와 가부시끼가이샤 filed Critical 니폰 덴신 덴와 가부시끼가이샤
Publication of KR20170126515A publication Critical patent/KR20170126515A/en
Application granted granted Critical
Publication of KR101883767B1 publication Critical patent/KR101883767B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/04—Time compression or expansion
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique

Abstract

자기상관 계산부(21)가 입력 신호로부터 자기상관 RO(i)을 계산한다. 예측 계수 계산부(23)가 계수 wO(i)와 자기상관 RO(i)이 승산된 것인 변형 자기상관 R'O(i)을 사용하여 선형 예측 분석을 행한다. 여기서, 적어도 일부의 각 차수 i에 대하여, 각 차수 i에 대응하는 계수 wO(i)가 현재 또는 과거의 프레임에 있어서의 입력 신호의 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하는 관계에 있는 경우가 포함되어 있는 것으로 한다.The autocorrelation calculation unit 21 calculates autocorrelation R O (i) from the input signal. The prediction coefficient calculator 23 performs the linear prediction analysis using the deformation autocorrelation R ' O (i), which is obtained by multiplying the coefficient w O (i) by the autocorrelation R O (i). Here, the monotonic increase with at least an increase in value in the fundamental frequency and the negative correlation of the input signal in respect to the part of each order i, the coefficient w O (i) corresponding to each order i is the frame of the current or past And a case where the relationship is included.

Figure 112017110877578-pat00015
Figure 112017110877578-pat00015

Description

선형 예측 분석 장치, 방법, 프로그램 및 기록 매체{LINEAR PREDICTION ANALYSIS DEVICE, METHOD, PROGRAM, AND STORAGE MEDIUM}TECHNICAL FIELD [0001] The present invention relates to a linear prediction analysis apparatus, a linear prediction analysis apparatus, a linear prediction analysis apparatus, a linear prediction analysis apparatus,

본 발명은 음성 신호, 음향 신호, 심전도, 뇌파, 뇌자도, 지진파 등의 디지털 시계열 신호의 분석 기술에 관한 것이다.TECHNICAL FIELD The present invention relates to a technique for analyzing digital time series signals such as voice signals, acoustic signals, electrocardiograms, brain waves, brain waves, and seismic waves.

음성 신호, 음향 신호의 부호화에서는 입력된 음성 신호나 음향 신호를 선형 예측 분석하여 얻은 예측 계수에 기초하여 부호화하는 수법이 널리 사용되고 있다(예를 들면, 비특허문헌 1, 2 참조.).In the encoding of a speech signal and an acoustic signal, a technique of encoding an input speech signal or an acoustic signal based on a prediction coefficient obtained by linear prediction analysis is widely used (see Non-Patent Documents 1 and 2, for example).

비특허문헌 1 내지 3에서는 도 15에 예시하는 선형 예측 분석 장치에 의해 예측 계수가 계산되고 있다. 선형 예측 분석 장치(1)는 자기상관 계산부(11), 계수 승산부(12) 및 예측 계수 계산부(13)를 구비하고 있다.In Non-Patent Documents 1 to 3, prediction coefficients are calculated by the linear prediction analysis apparatus exemplified in Fig. The linear prediction analysis apparatus 1 includes an autocorrelation calculation unit 11, a coefficient multiplication unit 12, and a prediction coefficient calculation unit 13.

입력된 시간 영역의 디지털 음성 신호나 디지털 음향 신호인 입력 신호는 N샘플의 프레임마다 처리된다. 현 시각에서 처리 대상으로 하는 프레임인 현 프레임의 입력 신호를 XO(n)(n=0,1,…,N-1)로 한다. n은 입력 신호에 있어서의 각 샘플의 샘플 번호를 나타내고, N은 소정의 정의 정수이다. 여기서, 현 프레임의 1개 앞의 프레임의 입력 신호는 XO(n)(n=-N, -N+1,…,-1)이며, 현 프레임의 1개 뒤의 프레임의 입력 신호는 XO(n)(n=N, N+1,…,2N-1)이다.The digital audio signal in the input time domain or the input signal, which is a digital sound signal, is processed for each frame of N samples. Let X O (n) (n = 0, 1, ..., N-1) be the input signal of the current frame which is the frame to be processed at the current time. n represents the sample number of each sample in the input signal, and N is a predetermined positive integer. Here, the input signal of one previous frame of the current frame is X O (n) (n = -N, -N + 1, ..., -1) , and the input signal of the frame after the current frame has one of X O (n) (n = N, N + 1, ..., 2N-1).

[자기상관 계산부(11)][Autocorrelation Calculation Unit 11]

선형 예측 분석 장치(1)의 자기상관 계산부(11)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 식(11)에 의해 구한다. Pmax는 N 미만의 소정의 정의 정수이다.The autocorrelation calculator 11 of the linear prediction analyzer 1 calculates autocorrelation R o (i) (i = 0, 1, ..., P max ) from the input signal X O (n) I ask. P max is a predetermined positive integer less than N.

[수 1][Number 1]

Figure 112017110877578-pat00001
Figure 112017110877578-pat00001

[계수 승산부(12)][Coefficient multiplication unit 12]

다음에 계수 승산부(12)가 자기상관 RO(i)에 미리 정한 계수 wO(i)(i=0,1,…,Pmax)를 동일한 i마다 곱함으로써, 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구한다. 즉, 변형 자기상관 R'O(i)은 식(12)에 의해 구한다.By multiplying the following factors in the multiplier 12 is a predetermined coefficient w O (i) to auto-correlation R O (i) (i = 0,1, ..., P max) for each equal i, modified auto-correlation R 'O (i) (i = 0, 1, ..., P max ). That is, the deformation autocorrelation R ' O (i) is obtained by equation (12).

[수 2][Number 2]

Figure 112017110877578-pat00002
Figure 112017110877578-pat00002

[예측 계수 계산부(13)][Prediction Coefficient Calculation Unit 13]

그리고, 예측 계수 계산부(13)가 R'O(i)을 사용하여 예를 들면 Levinson-Durbin법 등에 의해 1차로부터 미리 정한 최대 차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다. 선형 예측 계수로 변환 가능한 계수는 PARCOR 계수 KO(1), KO(2), …,KO(Pmax)나 선형 예측 계수 aO(1), aO(2), …,aO(Pmax) 등이다.Then, the prediction coefficient calculator 13 uses R ' O (i) to obtain coefficients that can be converted into linear prediction coefficients from the first order to the P max difference, which is the predetermined order, by a Levinson-Durbin method or the like. The coefficients that can be converted into linear prediction coefficients are PARCOR coefficients K O (1), K O (2), ... , K O (P max ), the linear prediction coefficients a 0 (1), a 0 (2), ... , a O (P max ), and the like.

비특허문헌 1인 국제표준 ITU-T G.718이나 비특허문헌 2인 국제표준 ITU-T G.729에서는 계수 wO(i)로서 미리 구해 둔 60Hz의 밴드폭의 고정의 계수를 사용하고 있다.In the international standard ITU-T G.718 of the non-patent document 1 and the international standard ITU-T G.729 of the non-patent document 2, a fixed coefficient of the bandwidth of 60 Hz previously obtained as the coefficient w O (i) is used .

구체적으로는 계수 wO(i)는 식(13)과 같이 지수함수를 사용하여 정의되어 있고, 식(3)에서는 f0=60Hz라는 고정값이 사용되고 있다. fs는 샘플링 주파수이다.Specifically, the coefficient w O (i) is defined using an exponential function as shown in equation (13), and a fixed value of f 0 = 60 Hz is used in equation (3). f s is the sampling frequency.

[수 3][Number 3]

Figure 112017110877578-pat00003
Figure 112017110877578-pat00003

비특허문헌 3에는 상기 서술한 지수함수 이외의 함수에 기초하는 계수를 사용하는 예가 기재되어 있다. 그러나, 여기서 사용되고 있는 함수는 샘플링 주기 τ(fs에 대응하는 주기에 상당)와 소정의 상수 a에 기초하는 함수이며, 역시 고정값의 계수가 사용되고 있다.Non-Patent Document 3 describes an example of using a coefficient based on a function other than the exponential function described above. However, the function used here is a function based on a predetermined constant a and a sampling period τ (corresponding to a period corresponding to f s ), and also a coefficient of a fixed value is used.

ITU-T Recommendation G.718, ITU, 2008.ITU-T Recommendation G.718, ITU, 2008. ITU-T Recommendation G.729, ITU, 1996ITU-T Recommendation G.729, ITU, 1996 Yoh'ichi Tohkura, Fumitada Itakura, Shin'ichiro Hashimoto, "Spectral Smoothing Technique in PARCOR Speech Analysis-Synthesis", IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. ASSP-26, No. 6, 1978Yoh'ichi Tohkura, Fumitada Itakura, Shin'ichiro Hashimoto, "Spectral Smoothing Technique in PARCOR Speech Analysis-Synthesis ", IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. ASSP-26, No. 6, 1978

종래의 음성 신호, 음향 신호의 부호화에서 사용되고 있는 선형 예측 분석 방법에서는 자기상관 RO(i)에 고정의 계수 wO(i)가 승산되어 얻어지는 변형 자기상관 R'O(i)을 사용하여 선형 예측 계수로 변환 가능한 계수를 구하고 있었다. 따라서, 자기상관 RO(i)로의 계수 wO(i)의 승산에 의한 변형을 필요로 하지 않는 것 같은, 즉 변형 자기상관 R'O(i)이 아니라 자기상관 RO(i) 그 자체를 사용하여 선형 예측 계수로 변환 가능한 계수를 구했다고 해도, 선형 예측 계수로 변환 가능한 계수에 대응하는 스펙트럼 포락에 있어서 스펙트럼의 피크가 지나치게 커지지 않는 것 같은 입력 신호의 경우에는, 자기상관 RO(i)로의 계수 wO(i)의 승산에 의해 변형 자기상관 R'O(i)에 의해 구해지는 선형 예측 계수로 변환 가능한 계수에 대응하는 스펙트럼 포락이 입력 신호 XO(n)의 스펙트럼 포락을 근사하는 정밀도가 떨어져버린다는, 즉 선형 예측 분석의 정밀도가 떨어져버린다는 가능성이 있었다.Conventional audio signal in the linear prediction analysis method used in the coding of acoustic signals autocorrelation R O is obtained (i) the coefficients w O (i) of the fixed and multiplied by the modified auto-correlation R using the 'O (i) linear And a coefficient that can be converted into a prediction coefficient is obtained. Therefore, it does not require multiplication deformation due to the auto-correlation R O (i) coefficient w O (i) to the same, that is deformed, not the auto-correlation R 'O (i) the autocorrelation R O (i) itself In the case of an input signal in which the spectral peak in the spectral envelope corresponding to the coefficient convertible to the linear predictive coefficient does not become too large even if a coefficient convertible to the linear predictive coefficient is obtained by using the autocorrelation R o ) Of the input signal X O (n) approximated by the spectrum envelope corresponding to the coefficient convertible to the linear prediction coefficient obtained by the distortion autocorrelation R ' O (i) by the multiplication of the coefficient w O (i) There is a possibility that the precision of the linear prediction analysis is lowered, that is, the precision of the linear prediction analysis is lowered.

본 발명은 종래보다 분석 정밀도가 높은 선형 예측 분석 방법, 장치, 프로그램 및 기록 매체를 제공하는 것을 목적으로 한다.An object of the present invention is to provide a linear prediction analysis method, an apparatus, a program, and a recording medium, which have higher analytical accuracy than the prior art.

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 적어도 일부의 각 차수 i에 대하여, 각 차수 i에 대응하는 계수 wO(i)가 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하는 관계에 있는 경우가 포함되어 있다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max of the auto-correlation R O (i) auto-correlation calculation step, coefficients w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) for calculating the And calculating a coefficient that can be converted into a linear predictive coefficient from the first order to the P max difference, and calculates a coefficient w O (i) corresponding to each degree i for at least some of the orders i A period based on the input time series signal in the current or past frame, or a quantization value of the period or a monotonically increasing relationship with an increase in the value of the negative correlation with the fundamental frequency.

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 2개 이상의 계수 테이블의 각각에는 i=0,1,…,Pmax의 각 차수 i와 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과, 취득된 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 2개 이상의 계수 테이블 중의 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값이 제1값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고, 2개 이상의 계수 테이블 중의 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값이 제1값보다 큰 제2값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수는 제1 계수 테이블에 있어서의 각 차수 i에 대응하는 계수보다 크다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max An autocorrelation calculation step of calculating an autocorrelation R O (i) of each of the two or more coefficient tables, and i = 0, 1, ..., , It is assumed that each degree i of P max and a coefficient w O (i) corresponding to each degree i are stored in association with each other, and a period based on the input time series signal in the current or past frame or a quantization value , or the fundamental frequency and the negative with the value in the correlation between at least two coefficient single coefficient determining factor for obtaining the coefficient w O (i) from the table, the step of obtaining the coefficient w O (i) and the auto-correlation of the table R O (i) is in each corresponding i that use of the multiplication will be modified auto-correlation R 'O (i), including the prediction coefficient calculation step to obtain a translatable coefficient in the linear prediction coefficient to the P max difference from the primary A coefficient table in which a coefficient w O (i) is obtained in a coefficient determination step when a period or a periodic quantization value of the two or more coefficient tables or a value having a negative correlation with the fundamental frequency is a first value, Coefficient table To, and two periods of more than one coefficient table, or the quantized value of the period, or the fundamental frequency and a negative correlation larger second coefficient of determination, if the value is the value in the relationship than the first value, the step coefficient w O (i) in the obtained The coefficient table corresponding to each degree i in the second coefficient table is set to a coefficient corresponding to each degree i in the first coefficient table with respect to each degree i of at least a part Big.

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i), 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 계수 테이블 t0,t1,t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝과, 취득한 계수와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 주기, 또는 주기의 양자화값, 또는 기본 주파수와 부의 상관관계에 있는 값에 따라, 주기가 짧은 경우, 주기가 중간 정도인 경우, 주기가 긴 경우의 어느 하나의 경우로 분류되는 것으로 하고, 주기가 짧은 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 주기가 중간 정도인 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 주기가 긴 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)이다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max of the auto-correlation R O auto-correlation calculation step for calculating a (i) and the coefficient table t0 had a coefficient w t0 (i) are stored, the coefficient table t1, the coefficient w t1 (i), the coefficient table t2, the coefficient w t2 (i) is stored, and a coefficient table t0, t1 (t1) is calculated by using a value based on the input time series signal in the current or past frame or a value having a negative correlation with the quantization value of the period or the fundamental frequency (i) by using the transformed autocorrelation R ' O (i), which is obtained by multiplying the acquired coefficient and the autocorrelation R O (i) by the corresponding i, possible conversion from the difference in the linear prediction coefficient to the difference P max And a prediction coefficient calculation step of calculating a prediction coefficient for calculating a number of cycles of a period, a quantization value of the period, or a value having a negative correlation with the fundamental frequency, The coefficient table in which the coefficient is acquired in the coefficient determination step is set as the coefficient table t0 and the coefficient table in which the coefficient is acquired in the coefficient determination step when the period is intermediate is regarded as a coefficient a table t1, and a period by the coefficient table to be a coefficient obtained from the coefficient determining step if long as the coefficient table t2, w t0 (i) with respect to at least a portion of the i <w t1 (i) ≤w t2 (i) a, a w t0 (i) ≤w t1 ( i) <w t2 (i) with respect to i, at least each of some of the other i, w t0 (i) for each of the remaining i ≤w t1 (i) ≤ w t2 (i).

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 적어도 일부의 각 차수 i에 대하여, 각 차수 i에 대응하는 계수 wO(i)가 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max of the auto-correlation R O (i) auto-correlation calculation step, coefficients w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) for calculating the And calculating a coefficient that can be converted into a linear predictive coefficient from the first order to the P max difference, and calculates a coefficient w O (i) corresponding to each degree i for at least some of the orders i A case where the relationship is monotonically decreasing with an increase in the positive correlation value with the fundamental frequency based on the input time series signal in the current or past frame is included.

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 2개 이상의 계수 테이블의 각각에는 i=0,1,…,Pmax의 각 차수 i와 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과, 취득된 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 2개 이상의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고, 2개 이상의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값보다 작은 제2값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수는 제1 계수 테이블에 있어서의 각 차수 i에 대응하는 계수보다 크다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max An autocorrelation calculation step of calculating an autocorrelation R O (i) of each of the two or more coefficient tables, and i = 0, 1, ..., , It is assumed that each degree i of P max and the coefficient w O (i) corresponding to each degree i are stored in association with each other, and a positive correlation with the fundamental frequency based on the input time series signal in the current or past frame using the values of two or more factors coefficient determining the step of obtaining the coefficient for acquiring one coefficient coefficient w O (i) from a table in the table w O (i) in the auto-correlation R O (i) i to the corresponding And a predictive coefficient calculation step of obtaining a coefficient convertible from the first order to the P max difference into linear predictive coefficients using the deformation autocorrelation R ' O (i) a coefficient table in which the factor is obtained O w (i) in the coefficient determining step if the value 1, the value in the frequency and correlated to the first coefficient table, and defining the fundamental frequency of the at least two correlation coefficient table Value by a coefficient table in which the first value than the acquisition small the coefficient w O (i) in the coefficient determining step when two values in the second coefficient table, at least for some of each order i of a second in the coefficient table The coefficient corresponding to each degree i in the first coefficient table is larger than the coefficient corresponding to each degree i in the first coefficient table.

본 발명의 하나의 태양에 의한 선형 예측 분석 방법은 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i), 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있다고 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 계수 테이블 t0,t1,t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝과, 취득한 계수와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 기본 주파수와 정의 상관관계에 있는 값에 따라, 기본 주파수가 높은 경우, 기본 주파수가 중간 정도인 경우, 기본 주파수가 낮은 경우의 어느 하나의 경우로 분류되는 것으로 하고, 기본 주파수가 높은 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 기본 주파수가 중간 정도인 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 기본 주파수가 낮은 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)이다.A linear prediction analysis method according to one aspect of the present invention is a linear prediction analysis method for obtaining coefficients convertible to linear prediction coefficients corresponding to an input time series signal for each frame, which is a predetermined time interval, at least i = 0, 1, ... ,, Of the current frame input time-series signal X O (n) and i past input time-series signal by samples X O (ni), or i sample as a future input time-series signal X O (n + i) for each of the P max of the auto-correlation R O auto-correlation calculation step for calculating a (i) and the coefficient table t0 had a coefficient w t0 (i) are stored, the coefficient table t1, the coefficient w t1 (i), the coefficient table t2, the coefficient w t2 (i) is stored, and a coefficient having a positive correlation with the fundamental frequency based on the input time series signal in the current or past frame is used to calculate a coefficient from one of the coefficient tables t0, t1, t2 (I) from the first order to the P max difference , using the obtained autocorrelation R O (i) and the modified autocorrelation R ' O A prediction coefficient calculation step for obtaining a coefficient convertible to It is classified into a case where the fundamental frequency is high, a case where the fundamental frequency is intermediate, and a case where the fundamental frequency is low, depending on a value correlated positively with the fundamental frequency, and when the fundamental frequency is high The coefficient table in which the coefficient is obtained in the coefficient determination step is set as the coefficient table t0, the coefficient table in which the coefficient is acquired in the coefficient determination step when the fundamental frequency is intermediate is set as the coefficient table t1, to a coefficient table which has coefficients obtained in step a coefficient table t2, at least for a part of the i w t0 (i) <w t1 (i) ≤w t2 (i) , and the other of i, each of the at least some of the i on a with respect w t0 (i) ≤w t1 ( i) <w t2 (i) and, for each of the remaining i w t0 (i) ≤w t1 (i) ≤w t2 (i).

변형 자기상관을 구하기 위해서 자기상관에 곱하는 계수로서 기본 주파수와 정의 상관관계에 있는 값 또는 기본 주파수와 부의 상관관계에 있는 값에 따라 특정되는 계수를 사용함으로써, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.In order to obtain the deformation autocorrelation, as a coefficient multiplying the autocorrelation, a coefficient having a positive correlation with the fundamental frequency or a coefficient specified according to a value having a negative correlation with the fundamental frequency is used, thereby realizing the linear prediction with higher analysis precision .

도 1은 제1 실시형태 및 제2 실시형태의 선형 예측 장치의 예를 설명하기 위한 블록도.
도 2는 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 3은 제2 실시형태의 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 4는 제2 실시형태의 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 5는 제3 실시형태의 선형 예측 분석 장치의 예를 설명하기 위한 블록도.
도 6은 제3 실시형태의 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 7은 제3 실시형태의 구체예를 설명하기 위한 도면.
도 8은 제3 실시형태의 구체예를 설명하기 위한 도면.
도 9는 실험 결과의 예를 나타내는 도면.
도 10은 변형예를 설명하기 위한 블록도.
도 11은 변형예를 설명하기 위한 블록도.
도 12는 변형예를 설명하기 위한 플로우차트.
도 13은 제4 실시형태의 선형 예측 분석 장치의 예를 설명하기 위한 블록도.
도 14는 제4 실시형태의 변형예의 선형 예측 분석 장치의 예를 설명하기 위한 블록도.
도 15는 종래의 선형 예측 장치의 예를 설명하기 위한 블록도.1 is a block diagram for explaining an example of a linear prediction apparatus according to the first embodiment and the second embodiment;
2 is a flowchart for explaining an example of a linear prediction analysis method;
Fig. 3 is a flowchart for explaining an example of the linear prediction analysis method of the second embodiment. Fig.
4 is a flowchart for explaining an example of a linear prediction analysis method according to the second embodiment;
5 is a block diagram for explaining an example of a linear prediction analysis apparatus according to the third embodiment;
6 is a flowchart for explaining an example of a linear prediction analysis method according to the third embodiment;
7 is a view for explaining a concrete example of the third embodiment;
8 is a view for explaining a concrete example of the third embodiment.
9 is a diagram showing an example of an experimental result.
10 is a block diagram for explaining a modification;
11 is a block diagram for explaining a modified example;
FIG. 12 is a flowchart for explaining a variation. FIG.
13 is a block diagram for explaining an example of a linear prediction analysis apparatus according to the fourth embodiment.
14 is a block diagram for explaining an example of a linear prediction analysis apparatus according to a modification of the fourth embodiment;
15 is a block diagram for explaining an example of a conventional linear prediction apparatus;

이하, 도면을 참조하여, 선형 예측 분석 장치 및 방법의 각 실시형태를 설명한다.Each embodiment of the linear prediction analyzing apparatus and method will be described below with reference to the drawings.

[제1 실시형태][First Embodiment]

제1 실시형태의 선형 예측 분석 장치(2)는 도 1에 나타내는 바와 같이 자기상관 계산부(21), 계수 결정부(24), 계수 승산부(22) 및 예측 계수 계산부(23)를 예를 들면 구비하고 있다. 자기상관 계산부(21), 계수 승산부(22) 및 예측 계수 계산부(23)의 동작은 종래의 선형 예측 분석 장치(1)의 자기상관 계산부(11), 계수 승산부(12) 및 예측 계수 계산부(13)에 있어서의 동작과 각각 동일하다.1, the linear prediction analysis apparatus 2 of the first embodiment includes an autocorrelation calculation unit 21, a coefficient determination unit 24, a coefficient multiplication unit 22, and a prediction coefficient calculation unit 23, For example. The operations of the autocorrelation calculation unit 21, the coefficient multiplication unit 22 and the prediction coefficient calculation unit 23 are the same as those of the autocorrelation calculation unit 11, the coefficient multiplication unit 12, Are the same as those in the prediction coefficient calculation section 13, respectively.

선형 예측 분석 장치(2)에는 소정 시간 구간인 프레임마다의 시간 영역의 디지털 음성 신호나 디지털 음향 신호나 심전도, 뇌파, 뇌자도, 지진파 등의 디지털 신호인 입력 신호 XO(n)가 입력된다. 입력 신호는 입력 시계열 신호이다. 현 프레임 입력 신호를 XO(n)(n=0,1,…,N-1)로 한다. n은 입력 신호에 있어서의 각 샘플의 샘플 번호를 나타내고, N은 소정의 정의 정수이다. 여기서, 현 프레임의 1개 앞의 프레임의 입력 신호는 XO(n)(n=-N, -N+1,…,-1)이며, 현 프레임의 1개 뒤의 프레임의 입력 신호는 XO(n)(n=N, N+1,…,2N-1)이다. 이하에서는, 입력 신호 XO(n)가 디지털 음성 신호나 디지털 음향 신호인 경우에 대해서 설명한다. 입력 신호 XO(n)(n=0,1,…,N-1)는 수음된 신호 그 자체여도 되고, 분석을 위해서 샘플링 레이트가 변환된 신호여도 되며, 프리엠퍼시스 처리된 신호여도 되고, 윈도우 신호여도 된다.An input signal X O (n), which is a digital signal such as a digital audio signal, a digital sound signal, an electrocardiogram, an electroencephalogram, a brain wave, or a seismic wave, is input to the linear prediction analysis apparatus 2 in a time domain for each frame. The input signal is an input time series signal. The current frame input signal is set as X O (n) (n = 0, 1, ..., N-1). n represents the sample number of each sample in the input signal, and N is a predetermined positive integer. Here, the input signal of one previous frame of the current frame is X O (n) (n = -N, -N + 1, ..., -1) , and the input signal of the frame after the current frame has one of X O (n) (n = N, N + 1, ..., 2N-1). Hereinafter, the case where the input signal X O (n) is a digital audio signal or a digital sound signal will be described. The input signal X O (n) (n = 0, 1, ..., N-1) may be a received signal itself, a signal with a sampling rate converted for analysis, a signal pre- It may be a window signal.

또, 선형 예측 분석 장치(2)에는 프레임마다의 디지털 음성 신호나 디지털 음향 신호의 기본 주파수에 대한 정보도 입력된다. 기본 주파수에 대한 정보는 선형 예측 분석 장치(2) 밖에 있는 주기성 분석부(900)로 구해진다. 주기성 분석부(900)는 예를 들면 기본 주파수 계산부(930)를 구비한다.The linear prediction analyzer 2 also receives information on a fundamental frequency of a digital audio signal or a digital acoustic signal for each frame. Information on the fundamental frequency is obtained by the periodicity analyzer 900 outside the linear prediction analyzer 2. [ The periodicity analysis unit 900 includes a fundamental frequency calculation unit 930, for example.

[기본 주파수 계산부(930)][Basic frequency calculation unit 930]

기본 주파수 계산부(930)는 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1) 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 기본 주파수 P를 구한다. 기본 주파수 계산부(930)는 예를 들면 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)의 전부 또는 일부를 포함하는 신호 구간의 디지털 음성 신호나 디지털 음향 신호의 기본 주파수 P를 구하고, 기본 주파수 P를 특정 가능한 정보를 기본 주파수에 대한 정보로서 출력한다. 기본 주파수를 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 또, 구한 기본 주파수 P를 부호화하여 기본 주파수 부호를 얻는 구성으로 하고, 기본 주파수 부호를 기본 주파수에 대한 정보로서 출력해도 된다. 또한 기본 주파수 부호에 대응하는 기본 주파수의 양자화값 ^P를 얻는 구성으로 하고, 기본 주파수의 양자화값 ^P를 기본 주파수에 대한 정보로서 출력해도 된다. 이하, 기본 주파수 계산부(930)의 구체예에 대해서 설명한다.The basic frequency calculator 930 calculates the fundamental frequency from the input signal X O (n) (n = 0,1, ..., N-1) of the current frame and / or all or a part of the input signal of the frame near the current frame P is obtained. The basic frequency calculator 930 calculates the fundamental frequency of the digital audio signal or digital audio signal of the signal section including all or part of the input signal X O (n) (n = 0, 1, ..., N-1) Obtains the fundamental frequency P of the signal, and outputs information that can specify the fundamental frequency P as information on the fundamental frequency. As a method of obtaining the fundamental frequency, there are various known methods, and any known method may be used. Further, the obtained fundamental frequency P may be coded to obtain the basic frequency code, and the basic frequency code may be output as information on the fundamental frequency. Alternatively, a quantization value ^ P of the fundamental frequency corresponding to the basic frequency code may be obtained, and the quantized value ^ P of the fundamental frequency may be output as information on the fundamental frequency. Hereinafter, a specific example of the fundamental frequency calculation section 930 will be described.

<기본 주파수 계산부(930)의 구체예 1><Specific Example 1 of Basic Frequency Calculation Unit 930>

기본 주파수 계산부(930)의 구체예 1은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)가 복수개의 서브프레임으로 구성되어 있는 경우, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 먼저 기본 주파수 계산부(930)가 동작되는 경우의 예이다. 기본 주파수 계산부(930)는 우선 2 이상의 정수인 M개의 서브프레임인 XOs1(n)(n=0,1,…,N/M-1),…,XOsM(n)(n=(M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 기본 주파수인 Ps1,…,PsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 기본 주파수 계산부(930)는 현 프레임을 구성하는 M개의 서브프레임의 기본 주파수인 Ps1,…,PsM 중 최대값 max(Ps1,…,PsM)을 특정 가능한 정보를 기본 주파수에 대한 정보로서 출력한다.In the first specific example of the basic frequency calculation unit 930, when the input signal X O (n) (n = 0, 1, ..., N-1) of the current frame is composed of a plurality of subframes, The basic frequency calculator 930 is operated before the linear prediction analyzer 2 is operated. The basic frequency calculator 930 first calculates M sub-frames Xos1 (n) (n = 0, 1, ..., N / M-1) , P s1 , ..., N s, which are the fundamental frequencies of X OsM (n) (n = (M-1) N / M, (M-1) N / M + 1, ..., , P sM is obtained. N is divided by M. The basic frequency calculator 930 calculates the basic frequency of the M subframes constituting the current frame P s1 , ..., , The maximum value max (P s1, ..., sM P) of P sM and outputs the specific information as possible about the fundamental frequency.

<기본 주파수 계산부(930)의 구체예 2><Specific Example 2 of Basic Frequency Calculation Unit 930>

기본 주파수 계산부(930)의 구체예 2는 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)(단 Nn은 Nn<N이라는 관계를 만족하는 소정의 정의 정수.)로, 미리보기 부분을 포함하는 신호 구간이 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 기본 주파수 계산부(930)가 동작되는 경우의 예이다. 기본 주파수 계산부(930)는 현 프레임의 신호 구간에 대해서, 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)의 각각의 기본 주파수인 Pnow, Pnext를 구하고, 기본 주파수 Pnext를 기본 주파수 계산부(930)에 기억한다. 기본 주파수 계산부(930)는 또 1개 앞의 프레임의 신호 구간에 대해서 구하여 기본 주파수 계산부(930)에 기억되어 있던 기본 주파수 Pnext, 즉 1개 앞의 프레임의 신호 구간 중 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn-1)에 대해서 구한 기본 주파수를 특정 가능한 정보를 기본 주파수에 대한 정보로서 출력한다. 또한, 구체예 1과 마찬가지로, 현 프레임에 대해서는 복수의 서브프레임마다의 기본 주파수를 구해도 된다.Specific examples of the fundamental frequency calculating section (930) Example 2 is the input signal of the current frame X O (n) (n = 0,1, ..., N-1) portion of the input signal of the frame of the rear O 1 X (n ) (n = N, N + 1, ..., N + Nn-1) (where Nn is a predetermined positive integer satisfying the relation of Nn < N) And the basic frequency calculator 930 is operated after the linear prediction analyzer 2 for the same frame. The basic frequency calculator 930 compares the input signal X O (n) (n = 0, 1, ..., N-1) of the current frame with the input signal X O X O (n) (n = N, N + 1, ..., N + Nn-1) obtained for each of the fundamental frequency of P now, P next, the storing the fundamental frequency P next to the fundamental frequency calculating section 930 do. The basic frequency calculator 930 also calculates the signal interval of the preceding frame and obtains the basic frequency P next stored in the basic frequency calculator 930, that is, a part of the current frame 1, ..., Nn-1 of the input signal X O (n) (n = 1, ..., Nn-1). As in the first specific example, the fundamental frequency for each of a plurality of subframes may be obtained for the current frame.

<기본 주파수 계산부(930)의 구체예 3><Specific Example 3 of Basic Frequency Calculation Unit 930>

기본 주파수 계산부(930)의 구체예 3은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1) 그 자체가 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 기본 주파수 계산부(930)가 동작되는 경우의 예이다. 기본 주파수 계산부(930)는 현 프레임의 신호 구간인 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)의 기본 주파수 P를 구하고, 기본 주파수 P를 기본 주파수 계산부(930)에 기억한다. 기본 주파수 계산부(930)는 또 1개 앞의 프레임의 신호 구간, 즉 1개 앞의 프레임의 입력 신호 XO(n)(n=-N, -N+1,…,-1)에 대해서 구하여 기본 주파수 계산부(930)에 기억되어 있던 기본 주파수 P를 특정 가능한 정보를 기본 주파수에 대한 정보로서 출력한다.The specific example 3 of the basic frequency calculator 930 is a case where the input signal X 0 (n) (n = 0, 1, ..., N-1) of the current frame itself is constituted as a signal section of the current frame, And the basic frequency calculator 930 is operated after the linear prediction analyzer 2 for the same frame. The basic frequency calculator 930 calculates the fundamental frequency P of the input signal X O (n) (n = 0, 1, ..., N-1) of the current frame, which is the signal period of the current frame, And stores it in the calculation unit 930. The basic frequency calculator 930 also calculates the fundamental frequency of the input signal X O (n) (n = -N, -N + 1, ..., -1) of the signal interval of the preceding frame, And outputs information that can specify the fundamental frequency P stored in the fundamental frequency calculator 930 as information on the fundamental frequency.

이하, 선형 예측 분석 장치(2)의 동작에 대해서 설명한다. 도 2는 선형 예측 분석 장치(2)에 의한 선형 예측 분석 방법의 플로우차트이다.Hereinafter, the operation of the linear prediction analyzer 2 will be described. Fig. 2 is a flowchart of a linear prediction analysis method by the linear prediction analysis apparatus 2. Fig.

[자기상관 계산부(21)][Autocorrelation Calculation Unit 21]

자기상관 계산부(21)는 입력된 N샘플의 프레임마다의 시간 영역의 디지털 음성 신호나 디지털 음향 신호인 입력 신호 XO(n)(n=0,1,…,N-1)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 계산한다(스텝 S1). Pmax는 예측 계수 계산부(23)가 구하는 선형 예측 계수로 변환 가능한 계수의 최대 차수이며, N 이하의 소정의 정의 정수이다. 계산된 자기상관 RO(i)(i=0,1,…,Pmax)은 계수 승산부(22)에 제공된다.The autocorrelation calculation unit 21 calculates an autocorrelation function from an input signal X O (n) (n = 0, 1, ..., N-1) which is a time- R 0 (i) (i = 0, 1, ..., P max ) (step S1). P max is the maximum order of coefficients that can be converted into the linear prediction coefficients obtained by the prediction coefficient calculation unit 23, and is a predetermined positive integer of N or less. The calculated autocorrelation R O (i) (i = 0, 1, ..., P max ) is provided to the coefficient multiplier 22.

자기상관 계산부(21)는 입력 신호 XO(n)를 사용하여 예를 들면 식(14A)에 의해 자기상관 RO(i)(i=0,1,…,Pmax)을 계산한다. 즉, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i)와의 자기상관 RO(i)을 계산한다.The autocorrelation calculation unit 21 calculates the autocorrelation R o (i) (i = 0, 1, ..., P max ) using the input signal X O (n), for example, by the equation (14A). That is, the autocorrelation R O (i) of the input time series signal X O (n) of the current frame and the past input time series signal X O (ni) by i samples is calculated.

[수 4][Number 4]

Figure 112017110877578-pat00004
Figure 112017110877578-pat00004

또는, 자기상관 계산부(21)는 입력 신호 XO(n)를 사용하여 예를 들면 식(14B)에 의해 자기상관 RO(i)(i=0,1,…,Pmax)을 계산한다. 즉, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산한다.Alternatively, the autocorrelation calculation section 21 calculates the autocorrelation R O (i) (i = 0, 1, ..., P max ) by using the input signal X O (n) do. That is, the autocorrelation R O (i) of the input time series signal X 0 (n) of the current frame and the future input time series signal X 0 (n + i) by i samples is calculated.

[수 5][Number 5]

Figure 112017110877578-pat00005
Figure 112017110877578-pat00005

또는, 자기상관 계산부(21)는 입력 신호 XO(n)에 대응하는 파워 스펙트럼을 구하고나서 Wiener-Khinchin의 정리에 따라 자기상관 RO(i)(i=0,1,…,Pmax)을 계산해도 된다. 또, 어느 방법에 있어서도, 입력 신호 XO(n)(n=-Np, -Np+1,…,-1,0,1,…,N-1, N,…,N-1+Nn)와 같이 전후의 프레임의 입력 신호의 일부도 사용하여 자기상관 RO(i)을 계산해도 된다. 여기서, Np, Nn은 각각 Np<N, Nn<N이라는 관계를 만족하는 소정의 정의 정수이다. 혹은 MDCT 계열을 파워 스펙트럼의 근사로서 대용하고, 근사된 파워 스펙트럼으로부터 자기상관을 구해도 된다. 이와 같이 자기상관의 산출 방법은 세상에서 사용되고 있는 공지 기술의 어느 하나를 사용할 수 있다.Alternatively, the autocorrelation calculation unit 21 obtains the power spectrum corresponding to the input signal X O (n) and then calculates the autocorrelation R O (i) (i = 0, 1, ..., P max ) May be calculated. Also in either method, the input signal X O (n) (n = -Np, -Np + 1, ..., -1,0,1, ..., N-1, N, ..., N-1 + Nn) The autocorrelation R O (i) may also be calculated using part of the input signal of the preceding and following frames as shown in FIG. Here, Np and Nn are predetermined positive integers satisfying the relationship of Np < N and Nn < N, respectively. Alternatively, the MDCT sequence may be used as an approximation of the power spectrum, and autocorrelation may be obtained from the approximated power spectrum. As described above, the method of calculating the autocorrelation can use any known technique used in the world.

[계수 결정부(24)][Coefficient determination unit 24]

계수 결정부(24)는 입력된 기본 주파수에 대한 정보를 사용하여, 계수 wO(i)(i=0,1,…,Pmax)를 결정한다(스텝 S4). 계수 wO(i)는 자기상관 RO(i)을 변형하여 변형 자기상관 R'O(i)을 얻기 위한 계수이다. 계수 wO(i)는 신호 처리의 분야에 있어서는 래그 윈도우 wO(i) 또는 래그 윈도우 계수 wO(i)라고도 불리고 있는 것이다. 계수 wO(i)는 정의 값이므로, 계수 wO(i)가 소정의 값보다 큰/작은 것을 계수 wO(i)의 크기가 소정의 값보다 크다/작다라고 표현하는 경우가 있다. 또, 래그 윈도우 wO(i)의 크기는 그 래그 윈도우 wO(i)의 값을 의미하는 것으로 한다.Coefficient determining unit 24 determines, using the information about the fundamental frequency type, O factors w (i) (i = 0,1, ..., P max) (step S4). O coefficients w (i) is a coefficient for obtaining a modified auto-correlation R 'O (i) by transforming the auto-correlation R O (i). O coefficients w (i) is that in the field of signal processing is also called lag window w O (i) or lag window coefficients w O (i). O coefficients w (i) are in some cases expressed as a positive value, so the coefficient w O (i) is the magnitude of coefficient w O (i) is greater / less than the predetermined value is larger / smaller than the predetermined value. The size of the lag window w O (i) is assumed to mean a value of the lag window w O (i).

계수 결정부(24)에 입력되는 기본 주파수에 대한 정보는 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 기본 주파수를 특정하는 정보이다. 즉, 계수 wO(i)의 결정에 사용하는 기본 주파수는 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 기본 주파수이다.The information on the fundamental frequency input to the coefficient determination unit 24 is information for specifying a fundamental frequency obtained from all or a part of the input signal of the current frame and / or the input signal of the frame near the current frame. That is, the fundamental frequency used for determining the coefficient w O (i) is a fundamental frequency obtained from all or a part of the input signal of the current frame and / or the input signal of the frame near the current frame.

계수 결정부(24)는 0차로부터 Pmax차의 모두 또는 일부의 차수에 대해서, 기본 주파수에 대한 정보에 대응하는 기본 주파수가 취할 수 있는 범위 중 모두 또는 일부에서, 기본 주파수에 대한 정보에 대응하는 기본 주파수가 클수록 작은 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정한다. 또, 계수 결정부(24)는 기본 주파수 대신에 기본 주파수와 정의 상관관계에 있는 값을 사용하여, 기본 주파수가 클수록 작은 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정해도 된다.The coefficient determination unit 24 corresponds to the information on the fundamental frequency in all or part of the range that the fundamental frequency corresponding to the information on the fundamental frequency can take for all or some orders of the P max difference from the 0th order The larger the fundamental frequency, the smaller the values w O (0), w O (1), ... , w O (P max ). The coefficient determining unit 24 uses the value in the fundamental frequency and the positive correlation instead of the fundamental frequency, the higher the fundamental frequency w O (0) coefficient of a value, w O (1), ... , and w O (P max ).

즉, 계수 wO(i)(i=0,1,…,Pmax)는 적어도 일부의 예측 차수 i에 대하여 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있도록 결정된다. 바꾸어 말하면, 후술하는 바와 같이 차수 i에 따라서는 계수 wO(i)의 크기가 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하지 않아도 된다.That is, the coefficient w O (i) (i = 0,1, ..., P max) is at least the input signal X of the current frame is the coefficient O w (i) corresponding to the i-order with respect to the portion of the prediction order i O (n) is included in a relationship that is monotonically decreasing with an increase in a positive correlation value with a fundamental frequency of a signal section including all or a part of O (n). In other words, according to the order of i, as will be described later is the size of the coefficient w O (i) do not need to decrease monotonically with an increase in value in the fundamental frequency and correlated.

또한, 기본 주파수와 정의 상관관계에 있는 값이 취할 수 있는 범위에는 계수 wO(i)의 크기가 기본 주파수와 정의 상관관계에 있는 값의 증가에 상관없이 일정한 범위가 있어도 되지만, 그 밖의 범위에서는 계수 wO(i)의 크기가 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 것으로 한다.In addition, the range in which the value correlated positively with the fundamental frequency can take can be a certain range regardless of the increase in the value of the coefficient w O (i) which is positively correlated with the fundamental frequency. In other ranges it is assumed that the coefficient w O (i), which decreases monotonically with an increase in value in the fundamental frequency and correlated.

계수 결정부(24)는 예를 들면 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수에 대한 단조 비증가 함수를 사용하여 계수 wO(i)를 결정한다. 예를 들면, 이하의 식(1)에 의해 계수 wO(i)를 결정한다. 이하의 식에 있어서, P는 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수이다.Coefficient determining unit 24 for example, determines a coefficient w O (i) using a minor non-increasing function of the fundamental frequency corresponding to the information about the fundamental frequency input. For example, the coefficient w O (i) is determined by the following equation (1). In the following expression, P is a fundamental frequency corresponding to information on the input fundamental frequency.

[수 6][Number 6]

Figure 112017110877578-pat00006
Figure 112017110877578-pat00006

또는, 0보다 큰 미리 정한 값인 α를 사용한 이하의 식(2)에 의해 계수 wO(i)를 결정한다. α는 계수 wO(i)를 래그 윈도우로서 파악했을 때의 래그 윈도우의 폭, 바꾸어 말하면 래그 윈도우의 강도를 조정하기 위한 값이다. 미리 정하는 α는 예를 들면 복수의 α의 후보값에 대해서 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여, 복호 음성 신호나 복호 음향 신호의 주관 품질이나 객관 품질이 양호한 후보값을 α로서 선택함으로써 정하면 된다.Or to determine the coefficient w O (i) by equation (2) below using the value of α greater than a predetermined zero. α is the width of the lag window when the identifying coefficient O w (i) as a lag window, in other words a value for adjusting the intensity of the lag window. The predetermined? May be obtained by coding and decoding a voice signal or an acoustic signal with a coding apparatus including the linear prediction analyzer 2 and a decoding apparatus corresponding to the coding apparatus for a plurality of candidate values of alpha, Or by selecting a candidate value having good subjective quality or objective quality of the decoded acoustic signal as?.

[수 7][Numeral 7]

Figure 112017110877578-pat00007
Figure 112017110877578-pat00007

또는, 기본 주파수 P에 대한 미리 정한 함수 f(P)를 사용한 이하의 식(2A)에 의해 계수 wO(i)를 결정해도 된다. 함수 f(P)는 f(P)=αP+β(α는 정의 수, β는 임의의 수), f(P)=αP2+βP+γ(α는 정의 수, β, γ는 임의의 수) 등의 기본 주파수 P와 정의 상관관계, 기본 주파수 P에 대하여 단조 비감소의 관계가 되는 함수이다.Alternatively, the coefficient w O (i) may be determined by the following equation (2A) using the predetermined function f (P) for the fundamental frequency P: The function f (P) is f (P) = αP + β (α is a positive number, β is an arbitrary number), f (P) = αP 2 + βP + γ (α may be defined, β, γ may be any A positive correlation with a fundamental frequency P such as a frequency, and a monotonous ratio reduction with respect to a fundamental frequency P.

[수 8][Numeral 8]

Figure 112017110877578-pat00008
Figure 112017110877578-pat00008

또, 기본 주파수 P를 사용하여 계수 wO(i)를 결정하는 식은 상기 서술한 식(1), (2), (2A)에 한정되지 않고 기본 주파수와 정의 상관관계에 있는 값의 증가에 대하여 단조 비증가의 관계를 기술할 수 있는 것이면 다른 식이어도 된다. 예를 들면, 계수 wO(i)를 이하의 (3) 내지 (6)의 어느 하나의 식에 의해 결정해도 된다. 이하의 (3) 내지 (6)의 식에 있어서, a를 기본 주파수에 의존하여 정해지는 실수로 하고, m을 기본 주파수에 의존하여 정해지는 자연수로 한다. 예를 들면, a를 기본 주파수와 부의 상관관계에 있는 값으로 하고, m을 기본 주파수와 부의 상관관계에 있는 값으로 한다. τ는 샘플링 주기이다.The formula for determining the coefficient w O (i) using the fundamental frequency P is not limited to the above-described equations (1), (2), and (2A) But may be other form as long as the relationship of the forging ratio increase can be described. For example, it may be determined by the coefficient w O (i) in any one of the expression (3) to (6) below. In the following expressions (3) to (6), a is a real number determined depending on the fundamental frequency, and m is a natural number determined depending on the fundamental frequency. For example, a is a negative correlation value with the fundamental frequency, and m is a negative correlation value with the fundamental frequency. τ is the sampling period.

[수 9][Number 9]

Figure 112017110877578-pat00009
Figure 112017110877578-pat00009

식(3)은 'Bartlett window'라고 불리는 형식의 윈도우 함수이며, 식(4)은 Binomial window라고 불리는 형식의 윈도우 함수이며, 식(5)은 'Triangular in frequency domain window'라고 불리는 형식의 윈도우 함수이며, 식(6)은 'Rectangular in frequency domain window'라고 불리는 형식의 윈도우 함수이다.Equation (3) is a window function of the form called 'Bartlett window', Equation (4) is a window function of a form called a binomial window, Equation (5) is a window function of a type called 'Triangular in frequency domain window' (6) is a window function of the form called 'Rectangular in frequency domain window'.

또한, 0≤i≤Pmax의 각 i가 아니고, 적어도 일부의 차수 i에 대해서만, 계수 wO(i)가 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소해도 된다. 바꾸어 말하면, 차수 i에 따라서는 계수 wO(i)의 크기가 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하지 않아도 된다.Further, not the each of the i 0≤i≤P max, may be only at least a portion of the order i, a coefficient w O (i) is decreased monotonically with increase in value of the fundamental frequency and correlated. In other words, therefore, is the size of the coefficient w O (i) do not need to decrease monotonically with an increase in value in the fundamental frequency and correlated to the order of i.

예를 들면, i=0인 경우는, 상기 서술한 식(1) 내지 식(6) 중 어느 하나를 사용하여 계수 wO(0)의 값을 결정해도 되고, ITU-T G.718 등에서도 사용되고 있는 것 같은 wO(0)=1.0001,wO(0)=1.003과 같은 기본 주파수와 정의 상관관계에 있는 값에는 의존하지 않는 경험적으로 얻어진 고정값을 사용해도 된다. 즉, 1≤i≤Pmax의 각 i에 대해서는, 계수 wO(i)는 기본 주파수와 정의 상관관계에 있는 값이 클수록 작은 값을 취하는데, i=0의 계수에 대해서는 이것에 한정되지 않고 고정값을 사용해도 된다.For example, in the case of i = 0, the value of the coefficient w O (0) may be determined using any one of the above-mentioned equations (1) to (6) An empirically derived fixed value that does not depend on a positive correlation with the fundamental frequency such as w O (0) = 1.0001, w O (0) = 1.003 as used may be used. That is, for each i of 1? I? P max , the coefficient w O (i) takes a smaller value as the value having a positive correlation with the fundamental frequency is larger, Fixed values may be used.

[계수 승산부(22)][Coefficient multiplication section 22]

계수 승산부(22)는 계수 결정부(24)에서 결정한 계수 wO(i)(i=0,1,…,Pmax)와, 자기상관 계산부(21)에서 구한 자기상관 RO(i)(i=0,1,…,Pmax)을 동일한 i마다 곱함으로써, 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구한다(스텝 S2). 즉, 계수 승산부(22)는 이하의 식(15)에 의해 자기상관 R'O(i)을 계산한다. 계산된 자기상관 R'O(i)은 예측 계수 계산부(23)에 제공된다.Coefficient multiplying unit 22 is a coefficient determined by the coefficient determining unit (24) w O (i) (i = 0,1, ..., P max) and the auto-correlation calculated in the calculation unit 21 auto-correlation R O (i ) (i = 0,1, ..., P max) to obtain the same by multiplying each i, modified auto-correlation R 'O (i) (i = 0,1, ..., P max) ( step S2). That is, the coefficient multiplication unit 22 calculates the autocorrelation R ' O (i) by the following equation (15). The calculated autocorrelation R ' O (i) is provided to the prediction coefficient calculation unit 23.

[수 10][Number 10]

Figure 112017110877578-pat00010
Figure 112017110877578-pat00010

[예측 계수 계산부(23)][Prediction Coefficient Calculation Unit 23]

예측 계수 계산부(23)는 변형 자기상관 R'O(i)을 사용하여 선형 예측 계수로 변환 가능한 계수를 구한다(스텝 S3).The predictive coefficient calculator 23 obtains coefficients that can be converted into linear predictive coefficients using the deformation autocorrelation R ' O (i) (step S3).

예를 들면, 예측 계수 계산부(23)는 변형 자기상관 R'O(i)을 사용하여 Levinson-Durbin법 등에 의해 1차로부터 미리 정한 최대 차수인 Pmax차까지의 PARCOR 계수 KO(1), KO(2), …,KO(Pmax)나 선형 예측 계수 aO(1), aO(2), …,aO(Pmax)를 계산한다.For example, the prediction coefficient calculator 23 calculates the PARCOR coefficients K O (1) from the first order to the maximum order P max by the Levinson-Durbin method using the deformation autocorrelation R ' O (i) K O (2), ... , K O (P max ), the linear prediction coefficients a 0 (1), a 0 (2), ... , a O (P max ) is calculated.

제1 실시형태의 선형 예측 분석 장치(2)에 의하면, 기본 주파수와 정의 상관관계에 있는 값에 따라, 적어도 일부의 예측 차수 i에 대하여, 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 기본 주파수와 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있는 계수 wO(i)를 자기상관에 승산하여 변형 자기상관을 구하여 선형 예측 계수로 변환 가능한 계수를 구함으로써, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다. 따라서, 제1 실시형태의 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질은 종래의 선형 예측 분석 장치를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질보다 좋다.According to the linear prediction analyzing apparatus 2 of the first embodiment, the prediction degree i of at least a part of the coefficients w O (i) corresponding to the degree i of the degree i, Is included in the relationship of monotonically decreasing with an increase in the positive correlation with the fundamental frequency of the signal section including all or a part of the input signal X O (n) of the current frame w O ) Is multiplied by autocorrelation to obtain a transformed autocorrelation coefficient to obtain a coefficient that can be converted into a linear prediction coefficient, thereby converting the linear prediction coefficient into a linear prediction coefficient suppressing the occurrence of a peak of a spectrum due to a pitch component even when the fundamental frequency of the input signal is high A coefficient that can be converted into a linear prediction coefficient capable of expressing the spectral envelope can be obtained even when the basic frequency of the input signal is low, The analysis has to realize high precision linear prediction. Therefore, the quality of the decoded speech signal and the decoded acoustic signal obtained by encoding and decoding the speech signal and the acoustic signal with the encoding apparatus including the linear prediction analyzing apparatus 2 of the first embodiment and the decoding apparatus corresponding to the encoding apparatus are not limited to the conventional And the quality of the decoded speech signal and the decoded acoustic signal obtained by encoding and decoding the speech signal or the sound signal by the decoding apparatus corresponding to the encoding apparatus.

<제1 실시형태의 변형예>&Lt; Modification of First Embodiment >

제1 실시형태의 변형예는 계수 결정부(24)가 기본 주파수와 정의 상관관계에 있는 값이 아니고, 기본 주파수와 부의 상관관계에 있는 값에 기초하여 계수 wO(i)를 결정하는 것이다. 기본 주파수와 부의 상관관계에 있는 값은 예를 들면 주기, 주기의 추정값 또는 주기의 양자화값이다. 예를 들면, 주기 T, 기본 주파수 P, 샘플링 주파수 fs로 하면, T=fs/P가 되기 때문에, 주기는 기본 주파수와 부의 상관관계에 있는 것이다. 기본 주파수와 부의 상관관계에 있는 값에 기초하여 계수 wO(i)를 결정하는 예를 제1 실시형태의 변형예로서 설명한다.The modification example of the first embodiment is that the coefficient determining unit 24 determines the coefficient w O (i) on the basis of the values in the correlation fundamental frequency and not the values in the positive correlation, the fundamental frequency and negative relationship. Values that are negatively correlated with the fundamental frequency are, for example, the period, the estimated value of the period, or the quantized value of the period. For example, the period T, when the primary frequency P, the sampling frequency f s, since a = f s T / P, the cycle is at the fundamental frequency and the negative correlation. An example of determining the coefficient w O (i) based on a value having a negative correlation with the fundamental frequency will be described as a modification of the first embodiment.

제1 실시형태의 변형예의 선형 예측 분석 장치(2)의 기능 구성과 선형 예측 분석 장치(2)에 의한 선형 예측 분석 방법의 플로우차트는 제1 실시형태와 동일한 도 1과 도 2이다. 제1 실시형태의 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외에는 제1 실시형태의 선형 예측 분석 장치(2)와 동일하다. 선형 예측 분석 장치(2)에는 프레임마다의 디지털 음성 신호나 디지털 음향 신호의 주기에 대한 정보도 입력된다. 주기에 대한 정보는 선형 예측 분석 장치(2) 밖에 있는 주기성 분석부(900)에서 구해진다. 주기성 분석부(900)는 예를 들면 주기 계산부(940)를 구비한다.The functional configuration of the linear prediction analyzing apparatus 2 of the modification of the first embodiment and the flowchart of the linear prediction analyzing method by the linear prediction analyzing apparatus 2 are the same as those of the first embodiment shown in Figs. 1 and 2. The linear prediction analyzing apparatus 2 of the modification of the first embodiment is the same as the linear prediction analyzing apparatus 2 of the first embodiment except for the processing of the coefficient determining unit 24. The linear prediction analyzer 2 also receives information on the period of digital audio signals and digital audio signals for each frame. Information on the period is obtained by the periodicity analysis unit 900 outside the linear prediction analysis apparatus 2. [ The periodicity analysis unit 900 includes a period calculation unit 940, for example.

[주기 계산부(940)][Period Calculation Unit 940]

주기 계산부(940)는 현 프레임의 입력 신호 XO 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 주기 T를 구한다. 주기 계산부(940)는 예를 들면 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 디지털 음성 신호나 디지털 음향 신호의 주기 T를 구하고, 주기 T를 특정 가능한 정보를 주기에 대한 정보로서 출력한다. 주기를 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 또, 구한 주기 T를 부호화하여 주기 부호를 얻는 구성으로 하고, 주기 부호를 주기에 대한 정보로서 출력해도 된다. 또한 주기 부호에 대응하는 주기의 양자화값 ^T를 얻는 구성으로 하고, 주기의 양자화값 ^T를 주기에 대한 정보로서 출력해도 된다. 이하, 주기 계산부(940)의 구체예에 대해서 설명한다.The period calculator 940 calculates the period T from all or a part of the input signal X 0 of the current frame and / or the input signal of the frame near the current frame. The period calculator 940 calculates the period T of the digital audio signal or the digital sound signal of the signal section including all or part of the input signal X O (n) of the current frame, And outputs it as information on the period. Since there are various known methods for obtaining the period, any known method may be used. Alternatively, the obtained period T may be coded to obtain the period code, and the period code may be output as information on the period. Alternatively, a quantization value ^ T of the period corresponding to the period code may be obtained, and the quantization value ^ T of the period may be output as information on the period. Hereinafter, a specific example of the period calculator 940 will be described.

<주기 계산부(940)의 구체예 1>&Lt; Specific Example 1 of Period Calculation Unit 940 >

주기 계산부(940)의 구체예 1은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)가 복수개의 서브프레임으로 구성되어 있는 경우, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 먼저 주기 계산부(940)가 동작되는 경우의 예이다. 주기 계산부(940)는 우선 2 이상의 정수인 M개의 서브프레임인 XOs1(n)(n=0,1,…,N/M-1),…,XOsM(n)(n=(M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 주기인 Ts1,…,TsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 주기 계산부(940)는 현 프레임을 구성하는 M개의 서브프레임의 주기인 Ts1,…,TsM 중 최소값 min(Ts1,…,TsM)을 특정 가능한 정보를 주기에 대한 정보로서 출력한다.In the specific example 1 of the period calculator 940, when the input signal X 0 (n) (n = 0, 1, ..., N-1) of the current frame is composed of a plurality of subframes, And the period calculator 940 is operated before the linear prediction analyzer 2 is operated. The period calculator 940 first determines M sub-frames X Os1 (n) (n = 0, 1, ..., N / M-1) , X OsM (n) (n = (M-1) N / M, (M-1) N / M + 1, ..., N-1) is T s1, each cycle of ... , T sM is obtained. N is divided by M. The period calculator 940 calculates the period T s1 , ..., And outputs the minimum value min (T s1, ..., sM T) of the T sM as information about the period a particular available information.

<주기 계산부(940)의 구체예 2><Specific Example 2 of Period Calculation Unit 940>

주기 계산부(940)의 구체예 2는 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)(단, Nn은 Nn<N이라는 관계를 만족하는 소정의 정의 정수.)로, 미리보기 부분을 포함하는 신호 구간이 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 주기 계산부(940)가 동작되는 경우의 예이다. 주기 계산부(940)는 현 프레임의 신호 구간에 대해서, 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)의 각각의 주기인 Tnow, Tnext를 구하고, 주기 Tnext를 주기 계산부(940)에 기억한다. 주기 계산부(940)는 또 1개 앞의 프레임의 신호 구간에 대해서 구하여 주기 계산부(940)에 기억되어 있던 주기 Tnext, 즉, 1개 앞의 프레임의 신호 구간 중 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn-1)에 대해서 구한 주기를 특정 가능한 정보를 주기에 대한 정보로서 출력한다. 또한, 구체예 1과 마찬가지로, 현 프레임에 대해서는 복수의 서브프레임마다의 주기를 구해도 된다.Cycle the input signal of the second embodiment of the calculation unit 940 is the current frame X O (n) (n = 0,1, ..., N-1) portion of the input signal and the frame of the rear O 1 X (n) (where Nn is a predetermined positive integer satisfying a relation of Nn < N), and a signal section including a preview portion is a portion of the current frame, that is, n = N, N + 1, ..., N + And the period calculator 940 is operated after the linear prediction analyzer 2 for the same frame. The period calculator 940 calculates a period of the input signal X O (n) (n = 0, 1, ..., N-1) of the current frame and a part of the input signal X T nod , T nod , of each of O (n) (n = N, N + 1, ..., N + Nn-1) and stores the period T next in the period calculator 940. The period calculator 940 also calculates the signal period of the preceding frame and outputs the period T next stored in the period calculator 940, that is, the input of a part of the current frame signals X O (n) (n = 0,1, ..., Nn-1) and outputs the determined period as for the information on a specific cycle information available. Also, as in the first specific example, the period for each of a plurality of sub-frames may be obtained for the current frame.

<주기 계산부(940)의 구체예 3><Specific Example 3 of Period Calculation Unit 940>

주기 계산부(940)의 구체예 3은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1) 그 자체가 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 주기 계산부(940)가 동작되는 경우의 예이다. 주기 계산부(940)는 현 프레임의 신호 구간인 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)의 주기 T를 구하고, 주기 T를 주기 계산부(940)에 기억한다. 주기 계산부(940)는 또 1개 앞의 프레임의 신호 구간, 즉 1개 앞의 프레임의 입력 신호 XO(n)(n=-N, -N+1,…,-1)에 대해서 구하여 주기 계산부(940)에 기억되어 있던 주기 T를 특정 가능한 정보를 주기에 대한 정보로서 출력한다.The specific example 3 of the period calculator 940 is a case where the input signal X O (n) (n = 0, 1, ..., N-1) of the current frame itself is configured as a signal period of the current frame, And the period calculator 940 is operated after the linear prediction analyzer 2 for the same frame. The period calculator 940 calculates the period T of the input signal X O (n) (n = 0,1, ..., N-1) of the current frame, which is the signal period of the current frame, ). The period calculator 940 also obtains the input signal X O (n) (n = -N, -N + 1, ..., -1) of the signal interval of the preceding frame, And outputs information that can specify the period T stored in the period calculator 940 as information on the period.

이하, 제1 실시형태의 변형예의 선형 예측 분석 장치(2)의 동작 중, 제1 실시형태의 선형 예측 분석 장치(2)와 상이한 부분인 계수 결정부(24)의 처리에 대해서 설명한다.The following describes the processing of the coefficient determination unit 24, which is a part different from the linear prediction analysis apparatus 2 of the first embodiment, in the operation of the linear prediction analysis apparatus 2 of the modification of the first embodiment.

[변형예의 계수 결정부(24)][Modification example coefficient determiner 24]

제1 실시형태의 변형예의 선형 예측 분석 장치(2)의 계수 결정부(24)는 입력된 주기에 대한 정보를 사용하여, 계수 wO(i)(i=0,1,…,Pmax)를 결정한다(스텝 S4).The first embodiment of the determined coefficient of variation of the linear prediction analysis unit (2) unit 24 uses the information on the input periods, coefficient O w (i) (i = 0,1, ..., P max) (Step S4).

계수 결정부(24)에 입력되는 주기에 대한 정보는 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 주기를 특정하는 정보이다. 즉, 계수 wO(i)의 결정에 사용하는 주기는 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 주기이다.The information on the period input to the coefficient determination unit 24 is information specifying a period obtained from all or a part of the input signal of the current frame and / or the input signal of the frame near the current frame. That is, the period used for determining the coefficient w O (i) is a period obtained from all or a part of the input signal of the current frame and / or the input signal of the frame near the current frame.

계수 결정부(24)는 0차로부터 Pmax차의 모두 또는 일부의 차수에 대해서, 주기에 대한 정보에 대응하는 주기가 취할 수 있는 범위 중 모두 또는 일부에서, 주기에 대한 정보에 대응하는 주기가 클수록 큰 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정한다. 또, 계수 결정부(24)는 주기 대신에 주기와 정의 상관관계에 있는 값을 사용하여, 주기가 클수록 큰 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정해도 된다.The coefficient determination unit 24 determines whether or not the period corresponding to the information on the cycle corresponds to all or a part of the P max difference from the 0th order to all or part of the range that the cycle corresponding to the information on the cycle can take The larger the larger the value w O (0), w O (1), ... , w O (P max ). The coefficient determining unit 24 uses the value in a positive correlation to the period instead of cycle, the cycle count is greater a value w O (0), w O (1), ... , and w O (P max ).

즉, 계수 wO(i)(i=0,1,…,Pmax)는 적어도 일부의 예측 차수 i에 대하여, 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하는 관계에 있는 경우가 포함되어 있도록 결정된다. 바꾸어 말하면, 차수 i에 따라서는 계수 wO(i)의 크기가 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하지 않아도 된다.That is, the coefficient w O (i) (i = 0,1, ..., P max) is at least the input signal of the current frame with respect to the size of the portion of the prediction order i, a coefficient w O (i) corresponding to the order i X0 (n) is a monotone increasing relationship with an increase in the value of the negative correlation with the fundamental frequency of the signal section including all or a part of X0 (n). In other words, according to the order i is the size of the coefficient w O (i) do not have a monotonic increase with an increase in value in the correlation between the fundamental frequency portion.

또한, 기본 주파수와 부의 상관관계에 있는 값이 취할 수 있는 범위에는 계수 wO(i)의 크기가 기본 주파수와 부의 상관관계에 있는 값의 증가에 상관없이 일정한 범위가 있어도 되는데, 그 밖의 범위에서는 계수 wO(i)의 크기가 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하는 것으로 한다.The range in which the value of the negative correlation with the fundamental frequency can be taken may be a constant range irrespective of an increase in the value of the coefficient w O (i) negatively correlating with the fundamental frequency. In other ranges it is assumed that the size of the coefficient w O (i) increases monotonically with an increase in value in the correlation between the fundamental frequency portion.

계수 결정부(24)는 예를 들면 입력된 주기에 대한 정보에 대응하는 주기에 대한 단조 비감소 함수를 사용하여 계수 wO(i)를 결정한다. 예를 들면, 이하의 식(7)에 의해 계수 wO(i)를 결정한다. T는 입력된 주기에 대한 정보에 대응하는 주기이다.The coefficient determination unit 24 determines the coefficient w O (i) using, for example, a monotonization ratio reduction function for a period corresponding to the information on the input period. For example, the coefficient w O (i) is determined by the following equation (7). T is a period corresponding to the information on the input period.

[수 11][Number 11]

Figure 112017110877578-pat00011
Figure 112017110877578-pat00011

또는, 0보다 큰 미리 정한 값인 α를 사용한 이하의 식(8)에 의해 계수 wO(i)를 결정한다. α는 계수 wO(i)를 래그 윈도우로서 파악했을 때의 래그 윈도우의 폭, 바꾸어 말하면 래그 윈도우의 강도를 조정하기 위한 값이다. 미리 정하는 α는 예를 들면 복수의 α의 후보값에 대해서 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여, 복호 음성 신호나 복호 음향 신호의 주관 품질이나 객관 품질이 양호한 후보값을 α로서 선택함으로써 정하면 된다.Alternatively, the coefficient w O (i) is determined by the following equation (8) using?, Which is a predetermined value larger than 0. α is the width of the lag window when the identifying coefficient O w (i) as a lag window, in other words a value for adjusting the intensity of the lag window. The predetermined? May be obtained by coding and decoding a voice signal or an acoustic signal with a coding apparatus including the linear prediction analyzer 2 and a decoding apparatus corresponding to the coding apparatus for a plurality of candidate values of alpha, Or by selecting a candidate value having good subjective quality or objective quality of the decoded acoustic signal as?.

[수 12][Number 12]

Figure 112017110877578-pat00012
Figure 112017110877578-pat00012

또는, 주기 T에 대한 미리 정한 함수 f(T)를 사용한 이하의 식(8A)에 의해 계수 wO(i)를 결정한다. 함수 f(T)는 f(T)=αT+β(α는 정의 수, β는 임의의 수), f(T)=αT2+βT+γ(α는 정의 수, β, γ는 임의의 수) 등의 주기 T와 정의 상관관계, 주기 T에 대하여 단조 비감소의 관계가 되는 함수이다.Alternatively, the coefficient w O (i) is determined by the following equation (8A) using the predetermined function f (T) for the period T: The function f (T) is defined as follows: f (T) = αT + β where α is a positive number and β is an arbitrary number; f (T) = αT 2 + And a positive correlation with the period T such as the number of cycles, and a decrease ratio of the monotonous ratio with respect to the cycle T.

[수 13][Num. 13]

Figure 112017110877578-pat00013
Figure 112017110877578-pat00013

또한, 주기 T를 사용하여 계수 wO(i)를 결정하는 식은 상기 서술한 식(7), (8), (8A)에 한정되지 않고, 기본 주파수와 부의 상관관계에 있는 값의 증가에 대하여 단조 비감소의 관계를 기술할 수 있는 것이면 다른 식이여도 된다.In addition, the cycle is not limited to the above-mentioned equation (7), (8), (8A) The expression for determining the coefficient w O (i) using a T, with respect to increase in value at the fundamental frequency and the negative correlation Other equations may be used as long as they can describe the relationship of the forging ratio reduction.

또한, 0≤i≤Pmax의 각 i가 아니고, 적어도 일부의 차수 i에 대해서만 계수 wO(i)가 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가해도 된다. 바꾸어 말하면, 차수 i에 따라서는, 계수 wO(i)의 크기가 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하지 않아도 된다.Further, not the each of the i max 0≤i≤P, may coefficient w O (i) only the at least a part of order i is a monotonic increase with an increase in value in the correlation between the fundamental frequency and negative. In other words, depending on the degree i, the magnitude of the coefficient wO (i) may not monotonically increase with an increase in the value of the negative correlation with the fundamental frequency.

예를 들면, i=0의 경우는, 상기 서술한 식(7), (8), (8A)을 사용하여 계수 wO(0)의 값을 결정해도 되고, ITU-T G.718 등에서도 사용되고 있는 것 같은 wO(0)=1.0001,wO(0)=1.003과 같은 기본 주파수와 부의 상관관계에 있는 값에는 의존하지 않는 경험적으로 얻어진 고정값을 사용해도 된다. 즉, 1≤i≤Pmax의 각 i에 대해서는, 계수 wO(i)는 기본 주파수와 부의 상관관계에 있는 값이 클수록 큰 값을 취하지만, i=0의 계수에 대해서는 이것에 한정되지 않고 고정값을 사용해도 된다.For example, in the case of i = 0, the value of the coefficient w O (0) may be determined using the equations (7), (8), and (8A) An empirically derived fixed value that does not depend on a value that is negatively correlated with a fundamental frequency such as w O (0) = 1.0001 and w O (0) = 1.003 may be used. That is, for each i of 1? I? P max , the coefficient w O (i) takes a larger value as the value having a negative correlation with the fundamental frequency is larger, but the coefficient for i = 0 is not limited to this Fixed values may be used.

제1 실시형태의 변형예의 선형 예측 분석 장치(2)에 의하면, 기본 주파수와 부의 상관관계에 있는 값에 따라, 적어도 일부의 예측 차수 i에 대하여, 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 기본 주파수와 부의 상관관계에 있는 값의 증가와 함께 단조증가하는 관계에 있는 경우가 포함되어 있는 계수 wO(i)를 자기상관에 승산하여 변형 자기상관을 구하여 선형 예측 계수로 변환 가능한 계수를 구함으로써, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다. 따라서, 제1 실시형태의 변형예의 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질은 종래의 선형 예측 분석 장치를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질보다 좋다.According to the linear prediction analyzer 2 of the modification of the first embodiment, the coefficient w O (i) corresponding to the degree i of at least part of the predicted orders i is calculated according to the values having a negative correlation with the fundamental frequency, Including the case where the size of the input signal X O (n) is monotonically increasing with an increase in the value of the negative correlation with the fundamental frequency of the signal section including all or part of the input signal X O (i) is multiplied by autocorrelation to obtain a transformable autocorrelation coefficient to obtain a coefficient that can be converted into a linear predictive coefficient, whereby a linear predictive coefficient that suppresses the occurrence of a peak of a spectrum due to a pitch component even when the fundamental frequency of the input signal is high And a coefficient that can be converted into a linear prediction coefficient capable of expressing the spectral envelope even when the fundamental frequency of the input signal is low can be obtained Control, it is possible to realize a higher precision than conventional linear prediction analysis. Therefore, the quality of the decoded speech signal and the decoded acoustic signal obtained by encoding and decoding the speech signal or the acoustic signal with the encoding apparatus including the linear prediction analysis apparatus 2 of the modification of the first embodiment and the decoding apparatus corresponding to the encoding apparatus Is better than the quality of a decoded speech signal and a decoded acoustic signal obtained by encoding and decoding a speech signal or an acoustic signal with a coding apparatus including a conventional linear prediction analysis apparatus and a decoding apparatus corresponding to the coding apparatus.

[실험 결과][Experiment result]

도 9는 24개의 음성 음향 신호 소스와 24인의 피험자에 의한 MOS 평가 실험의 실험 결과이다. 도 9의 「종래법」 「cutA」의 6개의 MOS값은 종래의 선형 예측 분석 장치를 포함하는 도 9에 기재한 각 비트 레이트의 부호화 장치와 그들 부호화 장치에 대응하는 복호 장치를 사용하여, 음성 음향 신호 소스를 부호화 복호하여 얻어진 복호 음성 신호나 복호 음향 신호에 대한 MOS값이다. 도 9의 「제안 수법」 「cutB」의 6개의 MOS값은 제1 실시형태의 변형예의 선형 예측 분석 장치를 포함하는 도 9에 기재한 각 비트 레이트의 부호화 장치와 그들 부호화 장치에 대응하는 복호 장치를 사용하여, 음성 음향 신호 소스를 부호화 복호하여 얻어진 복호 음성 신호나 복호 음향 신호에 대한 MOS값이다. 도 9의 실험 결과로부터도 본 발명의 선형 예측 분석 장치를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치를 사용함으로써 종래의 선형 예측 분석 장치를 포함하는 경우보다 높은 MOS값 즉 좋은 음질을 얻을 수 있었던 것을 알 수 있다.FIG. 9 shows experimental results of MOS evaluation experiments by 24 speech sound signal sources and 24 subjects. The six MOS values of the &quot; conventional method &quot; &quot; cutA &quot; in Fig. 9 are obtained by using the encoding apparatus of each bit rate shown in Fig. 9 including the conventional linear prediction analyzing apparatus and the decoding apparatus corresponding to these encoding apparatus, Is a MOS value for a decoded speech signal and a decoded speech signal obtained by encoding and decoding a sound signal source. The six MOS values of the "proposed method" and "cutB" in FIG. 9 are the same as those of the bit rate encoding apparatus shown in FIG. 9 including the linear prediction analyzing apparatus of the modified example of the first embodiment, Is a MOS value for a decoded speech signal and a decoded speech signal obtained by encoding and decoding a speech acoustic signal source. 9, by using the encoder including the linear predictive analysis apparatus of the present invention and the decoder corresponding to the encoder, it is possible to obtain a higher MOS value, that is, a better sound quality than the conventional linear predictive analysis apparatus It can be seen.

[제2 실시형태][Second Embodiment]

제2 실시형태는 기본 주파수와 정의 상관관계에 있는 값 또는 기본 주파수와 부의 상관관계에 있는 값과 소정의 역치를 비교하고, 그 비교 결과에 따라 계수 wO(i)를 결정하는 것이다. 제2 실시형태는 계수 결정부(24)에 있어서의 계수 wO(i)의 결정 방법만이 제1 실시형태와 상이하고, 다른 점에 대해서 제1 실시형태와 마찬가지이다. 이하, 제1 실시형태와 상이한 부분을 중심으로 설명하고, 제1 실시형태와 마찬가지인 부분에 대해서는 중복 설명을 생략한다.The second embodiment compares a predetermined correlation value with a value having a positive correlation with the fundamental frequency or a negative correlation with the fundamental frequency, and determines the coefficient w O (i) according to the comparison result. The second embodiment differs from the first embodiment only in the determination method of the coefficient w O (i) in the coefficient determination section 24, and the difference is similar to that of the first embodiment. Hereinafter, different parts from the first embodiment will be mainly described, and redundant description will be omitted for parts similar to those of the first embodiment.

여기서는 우선 기본 주파수와 정의 상관관계에 있는 값과 소정의 역치를 비교하고, 그 비교 결과에 따라 계수 wO(i)를 결정하는 예에 대해서 설명하고, 기본 주파수와 부의 상관관계에 있는 값과 소정의 역치를 비교하고, 그 비교 결과에 따라 계수 wO(i)를 결정하는 예는 제2 실시형태의 제1 변형예로 설명한다.Here, first compares the value with a predetermined threshold value in the primary frequency and correlated to, and described in Example for determining the coefficients w O (i) in accordance with the result of the comparison, the value in the correlation fundamental frequency and the portion related to the predetermined And the coefficient w O (i) is determined in accordance with the comparison result will be described as the first modification of the second embodiment.

제2 실시형태의 선형 예측 분석 장치(2)의 기능 구성과 선형 예측 분석 장치(2)에 의한 선형 예측 분석 방법의 플로우차트는 제1 실시형태와 동일한 도 1과 도 2이다. 제2 실시형태의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외는 제1 실시형태의 선형 예측 분석 장치(2)와 동일하다.The functional configuration of the linear prediction analyzing apparatus 2 of the second embodiment and the flowchart of the linear prediction analyzing method by the linear prediction analyzing apparatus 2 are the same as those of the first embodiment shown in FIG. 1 and FIG. The linear prediction analyzer 2 of the second embodiment is the same as the linear prediction analyzer 2 of the first embodiment except for the processing of the coefficient determiner 24.

제2 실시형태의 계수 결정부(24)의 처리의 흐름의 예를 도 3에 나타낸다. 제2 실시형태의 계수 결정부(24)는 예를 들면 도 3의 각 스텝 S41A, 스텝 S42, 스텝 S43의 처리를 행한다.Fig. 3 shows an example of the processing flow of the coefficient determination unit 24 of the second embodiment. The coefficient determination unit 24 of the second embodiment performs, for example, the processes of steps S41A, S42, and S43 shown in FIG.

계수 결정부(24)는 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값과 소정의 역치를 비교한다(스텝 S41A). 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값은 예를 들면 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수 그 자체이다.The coefficient determination unit 24 compares a predetermined threshold value with a value correlated positively with the fundamental frequency corresponding to the input fundamental frequency information (step S41A). The value correlated positively with the fundamental frequency corresponding to the information on the input fundamental frequency is, for example, the fundamental frequency itself corresponding to the information on the input fundamental frequency.

계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상인 경우, 즉, 기본 주파수가 높다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wh(i)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다(스텝 S42). 즉, wO(i)=wh(i)로 한다.When the value having a positive correlation with the fundamental frequency is equal to or greater than a predetermined threshold, that is, when it is determined that the fundamental frequency is high, the coefficient determination unit 24 determines the coefficient w h (i) by a predetermined rule, and the determined coefficient w h (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max) ( step S42). That is, w O (i) = w h (i).

계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상이 아닌 경우, 즉, 기본 주파수가 낮다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wl(i)를 결정하고, 이 결정된 계수 wl(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다(스텝 S43). 즉, wO(i)=wl(i)로 한다.When the value having a positive correlation with the fundamental frequency is not equal to or greater than the predetermined threshold value, that is, when it is determined that the fundamental frequency is low, the coefficient determination unit 24 determines the coefficient w l (i) by a predetermined rule will be determined by the coefficient w l (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max) ( step S43). In other words, w O (i) = w l (i).

여기서, wh(i)와 wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wl(i)라는 관계를 만족하도록 결정한다. 또는, wh(i)와 wl(i)는 적어도 일부의 각 i에 대해서는 wh(i)<wl(i)라는 관계를 만족하고, 그 이외의 i에 대해서는 wh(i)≤wl(i)라는 관계를 만족하도록 결정한다. 여기서, 적어도 일부의 각 i는 예를 들면 0 이외의 i(즉, 1≤i≤Pmax)이다. 예를 들면, wh(i)와 wl(i)는 식(1)에서 기본 주파수 P가 P1일 때의 wO(i)를 wh(i)로서 구하고, 식(1)에서 기본 주파수 P가 P2(단 P1>P2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또, 예를 들면, wh(i)와 wl(i)는 식(2)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 α가 α2(단 α1>α2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1과 α2는 모두 식(2)의 α와 마찬가지로 미리 정해 둔다. 또한, 이들 어느 하나의 규칙에 의해 미리 구한 wh(i)와 wl(i)를 테이블에 기억해 두고, 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상인지 여부에 의해 wh(i)와 wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다. 또, wh(i)와 wl(i)의 각각은 i가 커짐에 따라 wh(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(0), wl(0)에 대해서는, wh(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.Here, w h (i) and w l (i) are determined so as to satisfy the relation w h (i) <w l (i) for each i of at least a part. Alternatively, w h (i) and w l (i) satisfy the relationship w h (i) <w l (i) for each i of at least a portion and w h (i) w l (i). Here, at least part of each i is i, for example, other than 0 (i.e., 1? I? P max ). For example, w h (i) and w l (i) is obtained as equation (1) is the fundamental frequency P P1 w O a w h (i) (i) when the in, the fundamental frequency in the formula (1) P is P2 (only P1> P2) obtained as an O w (i) a w l (i) when one is obtained by a predetermined rule. In addition, for example, w h (i) and w l (i) is obtained as equation (2) w O a w h (i) (i) when the α is α1 at, the α In equation (2) is obtained by a predetermined rule that w O (i) when? 1 (? 1>? 2) is obtained as w l (i). In this case, both? 1 and? 2 are determined in advance as? In equation (2). It is also possible to store w h (i) and w l (i) previously determined by any one of these rules, and to determine whether or not w h (i ) And w l (i) may be selected from the table. In addition, each of the h w (i) and w l (i) are determined, the value of h w (i), w l (i) in accordance with the i is smaller is larger. In addition, i = 0 for the coefficient w h (0), w l (0), w h (0) is satisfied with the relationship ≤w l (0) is not required, w h (0)> w a value satisfying the relation of l (0) may be used.

제2 실시형태에 의해서도, 제1 실시형태와 마찬가지로, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.Even in the second embodiment, as in the first embodiment, even when the fundamental frequency of the input signal is high, it is possible to obtain a coefficient that can be converted into a linear prediction coefficient in which generation of a peak of a spectrum due to a pitch component is suppressed, A coefficient that can be converted into a linear prediction coefficient capable of expressing a spectral envelope can be obtained even when the fundamental frequency of the signal is low, and linear prediction with high analytical accuracy can be realized.

<제2 실시형태의 제1 변형예>&Lt; First Modification of Second Embodiment >

제2 실시형태의 제1 변형예는 기본 주파수와 정의 상관관계에 있는 값이 아니고, 기본 주파수와 부의 상관관계에 있는 값과 소정의 역치를 비교하고, 그 비교 결과에 따라 계수 wO(i)를 결정하는 것이다. 제2 실시형태의 제1 변형예에 있어서의 소정의 역치는 제2 실시형태에 있어서 기본 주파수와 정의 상관관계에 있는 값과 비교되는 소정의 역치와는 상이하다.The first variant of the second embodiment compares a value having a negative correlation with the fundamental frequency and a predetermined threshold value, not a positive correlation with the fundamental frequency, and calculates a coefficient w O (i) according to the comparison result, . The predetermined threshold value in the first modification of the second embodiment is different from the predetermined threshold value which is compared with a value having a positive correlation with the fundamental frequency in the second embodiment.

제2 실시형태의 제1 변형예의 선형 예측 분석 장치(2)의 기능 구성과 플로우차트는 제1 실시형태의 변형예와 동일한 도 1과 도 2이다. 제2 실시형태의 제1 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외는 제1 실시형태의 변형예의 선형 예측 분석 장치(2)와 동일하다.The functional configuration and the flowchart of the linear prediction analyzer 2 of the first modification of the second embodiment are the same as those of the modification of the first embodiment shown in Fig. 1 and Fig. The linear prediction analyzer 2 of the first modification of the second embodiment is the same as the linear prediction analyzer 2 of the modification of the first embodiment except for the processing of the coefficient determiner 24.

제2 실시형태의 제1 변형예의 계수 결정부(24)의 처리의 흐름의 예를 도 4에 나타낸다. 제2 실시형태의 제1 변형예의 계수 결정부(24)는 예를 들면 도 4의 스텝 S41B, 스텝 S42, 스텝 S43의 처리를 행한다.An example of the flow of the process of the coefficient determination unit 24 of the first modification of the second embodiment is shown in Fig. The coefficient determiner 24 of the first modification of the second embodiment performs the processing of step S41B, step S42, and step S43 in Fig. 4, for example.

계수 결정부(24)는 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값과 소정의 역치를 비교한다(스텝 S41B). 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값은 예를 들면 입력된 주기에 대한 정보에 대응하는 주기이다.The coefficient determination unit 24 compares a predetermined negative value with a value having a negative correlation with the fundamental frequency corresponding to the information on the input period (step S41B). The value having a negative correlation with the fundamental frequency corresponding to the information on the input period is, for example, a period corresponding to the information on the input period.

계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하인 경우, 즉, 주기가 짧다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wh(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다(스텝 S42). 즉, wO(i)=wh(i)로 한다.When the value of the negative correlation with the fundamental frequency is less than or equal to the predetermined threshold value, that is, when the period is determined to be short, the coefficient determination section 24 determines the coefficient w h (i) (i = , ..., and to determine the P max) and the determined coefficient w h (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max) (Step S42). That is, w O (i) = w h (i).

계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하가 아닌 경우, 즉, 주기가 길다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wl(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wl(i)를 wO(i)로 한다(스텝 S43). 즉, wO(i)=wl(i)로 한다.When the value of the negative correlation with the fundamental frequency is not equal to or less than the predetermined threshold value, that is, when it is determined that the period is long, the coefficient determiner 24 multiplies the coefficient w l (i) (i = 0, 1, ..., P max ), and sets the determined coefficient w l (i) to w O (i) (step S43). In other words, w O (i) = w l (i).

여기서, wh(i)와 wl(i)는 적어도 일부의 i에 대해서 wh(i)<wl(i)라는 관계를 만족하도록 결정한다. 또는, wh(i)와 wl(i)는 적어도 일부의 i에 대해서는 wh(i)<wl(i)라는 관계를 만족하고, 그 밖의 i에 대해서는 wh(i)≤wl(i)라는 관계를 만족하도록 결정한다. 여기서, 적어도 일부의 i는 예를 들면 0 이외의 i(즉, 1≤i≤Pmax)이다. 예를 들면, wh(i)와 wl(i)는 식(7)에서 주기 T가 T1일 때의 wO(i)를 wh(i)로서 구하고, 식(7)에서 주기 T가 T2(단 T1<T2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또, 예를 들면, wh(i)와 wl(i)는 식(8)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(8)에서 α가 α2(단 α1<α2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1과 α2는 모두 식(8)의 α와 마찬가지로 미리 정해 둔다. 또한, 이들의 어느 하나의 규칙에 의해 미리 구한 wh(i)와 wl(i)를 테이블에 기억해 두고, 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하인지 여부에 의해 wh(i)와 wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다. 또, wh(i)와 wl(i)의 각각은 i가 커짐에 따라 wh(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(0), wl(0)에 대해서는 wh(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.Where w h (i) and w l (i) are determined to satisfy the relationship w h (i) <w l (i) for at least some i. Or, w h and w (i) l (i) is satisfied with the relationship of h w (i) <w l (i) for at least part of i, and the other for i h w (i) ≤w l (i). Here, at least part of i is, for example, i other than 0 (i.e. 1? I? P max ). For example, w h (i) and w l (i) is obtained as equation (7), the period T has w h to w O (i) the time of T1 (i) in, the period T in the formula (7) T2 (stage T1 <T2) is obtained as w l (i) the O w (i) when the is obtained by a predetermined rule. In addition, for example, w h (i) and w l (i) is obtained as equation (8) w O a w h (i) (i) when the α is α1 at, the α in equation (8) is obtained by a predetermined rule that w O (i) when α 2 (α 1 <α 2) is obtained as w l (i). In this case, both? 1 and? 2 are determined in advance as? In equation (8). Also, the w h (i) and w l (i) determined in advance by these any one of the rules of the place stored in the table, w h by whether the values in the correlation fundamental frequency and negative relationship is less than or equal to a predetermined threshold value ( any of i) and w l (i) it is possible to have a structure selected from table. In addition, each of the h w (i) and w l (i) are determined, the value of h w (i), w l (i) in accordance with the i is smaller is larger. In addition, i = 0 for the coefficient w h (0), w l (0) w h (0) is satisfied with the relationship ≤w l (0) is not required, w h (0)> w l (0) may be used.

제2 실시형태의 제1 변형예에 의해서도, 제1 실시형태의 변형예와 마찬가지로, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.Even in the first modification of the second embodiment, as in the modification of the first embodiment, even when the fundamental frequency of the input signal is high, it is possible to convert the linear predictive coefficients to suppress the occurrence of the peak of the spectrum due to the pitch component Coefficient that can be converted into a linear prediction coefficient capable of expressing a spectral envelope even when the fundamental frequency of the input signal is low can be obtained and linear prediction with higher analysis precision than conventional can be realized.

<제2 실시형태의 제2 변형예>&Lt; Second Modification of Second Embodiment >

제2 실시형태에서는 1개의 역치를 사용하여 계수 wO(i)를 결정했는데, 제2 실시형태의 제2 변형예는 2개 이상의 역치를 사용하여 계수 wO(i)를 결정하는 것이다. 이하, 2개의 역치 th1', th2'를 사용하여 계수를 결정하는 방법을 예로 들어 설명한다. 역치 th1', th2'는 0<th1'<th2'라는 관계를 만족하는 것으로 한다.The second embodiment is to determine a single threshold value was determined for the coefficient w O (i) using a second embodiment of the second modification is more than one coefficient w O (i) using a threshold value. Hereinafter, a method of determining the coefficients using the two threshold values th1 'and th2' will be described as an example. It is assumed that the threshold values th1 'and th2' satisfy the relationship 0 <th1 '<th2'.

제2 실시형태의 제2 변형예의 선형 예측 분석 장치(2)의 기능 구성은 제2 실시형태와 동일한 도 1이다. 제2 실시형태의 제2 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외는 제2 실시형태의 선형 예측 분석 장치(2)와 동일하다.The functional configuration of the linear prediction analyzer 2 of the second modification of the second embodiment is the same as that of the second embodiment shown in Fig. The linear prediction analysis apparatus 2 of the second modification of the second embodiment is the same as the linear prediction analysis apparatus 2 of the second embodiment except for the processing of the coefficient determination section 24.

계수 결정부(24)는 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값과, 역치 th1', th2'를 비교한다. 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값은 예를 들면 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수 그 자체이다.The coefficient determination unit 24 compares the threshold values th1 'and th2' with a value having a positive correlation with the fundamental frequency corresponding to the input fundamental frequency information. The value correlated positively with the fundamental frequency corresponding to the information on the input fundamental frequency is, for example, the fundamental frequency itself corresponding to the information on the input fundamental frequency.

계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 역치 th2'보다 큰 경우, 즉, 기본 주파수가 높다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wh(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wh(i)로 한다.When the value having a positive correlation with the fundamental frequency is larger than the threshold value th2 ', that is, when it is determined that the fundamental frequency is high, the coefficient determiner 24 multiplies the coefficient w h (i) (i = 0 , 1, ..., determine P max) and the determined coefficient w h (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max) . That is, w O (i) = w h (i).

계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 역치 th1'보다 크고 역치 th2' 이하인 경우, 즉, 기본 주파수가 중간 정도라고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wm(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wm(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wm(i)로 한다.Coefficient determining unit 24, if "greater than the threshold th2, a value that is less than or equal the threshold value th1 in the fundamental frequency and the positive correlation, that is, if the primary frequency is judged as moderate, the coefficients by predetermined rules w m ( i) (i = 0,1, ... , P max) determined, and the determined coefficient w m (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1 , ..., P max ). That is, w O (i) = w m (i).

계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 역치 th1' 이하인 경우, 즉, 기본 주파수가 낮다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wl(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wl(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wl(i)로 한다.The coefficient determiner 24 determines whether or not the value w 1 (i) (i = 0, 1, 2, 3, 1, ..., determine P max) and the determined coefficient w l (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., a P max) do. In other words, w O (i) = w l (i).

여기서, wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)<wl(i)라는 관계를 만족하도록 결정하는 것으로 한다. 여기서, 적어도 일부의 각 i는 예를 들면 0 이외의 각 i(즉, 1≤i≤Pmax)이다. 또는, wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)≤wl(i), 그 이외의 i 중 적어도 일부의 각 i에 대해서 wh(i)≤wm(i)<wl(i), 나머지 적어도 일부의 각 i에 대해서 wh(i)≤wm(i)≤wl(i)라는 관계를 만족하도록 결정한다. 예를 들면, wh(i), wm(i), wl(i)는 식(1)에서 기본 주파수 P가 P1일 때의 wO(i)를 wh(i)로서 구하고, 식(1)에서 기본 주파수 P가 P2(단 P1>P2)일 때의 wO(i)를 wm(i)로서 구하고, 식(1)에서 기본 주파수 P가 P3(단 P2>P3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또, 예를 들면, wh(i), wm(i), wl(i)는 식(2)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 α이 α2(단 α1>α2)일 때의 wO(i)를 wm(i)로서 구하고, 식(2)에서 α가 α3(단 α2>α3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1,α2,α3은 식(2)의 α와 마찬가지로 미리 정해 둔다. 또한, 이들의 어느 하나의 규칙에 의해 미리 구한 wh(i), wm(i), wl(i)를 테이블에 기억해 두고, 기본 주파수와 정의 상관관계에 있는 값과 소정의 역치와의 비교에 의해 wh(i), wm(i), wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다. 또한, wh(i)와 wl(i)를 사용하여, 그 사이의 계수 wm(i)를 결정해도 된다. 즉, wm(i)=β'×wh(i)+(1-β')×wl(i)에 의해 wm(i)를 결정해도 된다. 여기서 β'는 0≤β'≤1이며, 또한 기본 주파수 P가 작은 값을 취할 때는 β'의 값도 작아지고, 기본 주파수 P가 큰 값을 취할 때에 β'의 값도 커지는 함수 β'=c(P)에 의해, 기본 주파수 P로부터 구하는 값이다. 이와 같이 wm(i)를 구하면, 계수 결정부(24)에는 wh(i)(i=0,1,…,Pmax)를 기억한 테이블과 wl(i)(i=0,1,…,Pmax)를 기억한 테이블의 2개의 테이블만을 기억해 둠으로써, 기본 주파수가 중간 정도인 경우 중 기본 주파수가 클 때에는 wh(i)에 가까운 계수를 얻을 수 있고, 반대로 기본 주파수가 중간 정도인 경우 중 기본 주파수가 작을 때에는 wl(i)에 가까운 계수를 얻을 수 있다. 또, wh(i), wm(i), wl(i)는 i가 커짐에 따라 각각 wh(i), wm(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(0), wm(0), wl(0)에 대해서는 wh(0)≤wm(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wm(0) 또는/및 wm(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.Here, w h (i), determined so as to satisfy the relation of w m (i), w l (i) is w h (i) <w m (i) <w l (i) for each i of at least a portion . Here, at least a part of each i is, for example, each i other than 0 (i.e. 1? I? P max ). Or, h w (i), w m (i), w l (i) is other than the at least w h (i) <w m (i) ≤w l (i) for each i part of, that of the i w h (i) ≤w m ( i) <w l (i), w h (i) with respect to at least each of the remaining i part of ≤w m (i) ≤w l ( i) for at least part of each i Is satisfied. For example, w h to obtain a (i), w m (i), w l (i) has the formula (1) is the fundamental frequency P P1 w O a w h (i) (i) when the in the formula (1), w O (i) when the fundamental frequency P is P2 (only P1> P2) is obtained as w m (i) (I) of w O (i) as w l (i). Also, to obtain such an example, w h (i), w m (i), w l (i) the formula (2) w O a w h (i) (i) when the α is α1 in equation of w O when the (2) in α is α2 (stage α1> α2) to obtain a w O a w m (i) (i) the time of, the α in equation (2) α3 (only α2> α3) ( i) is obtained as w l (i). In this case,? 1,? 2,? 3 are determined in advance as? In equation (2). Further, w h (i), w m (i), w l (i) obtained in advance by any one of these rules are stored in a table, and a value having a positive correlation with the fundamental frequency and a predetermined threshold value Either w h (i), w m (i), or w l (i) may be selected from the table by comparison. Further, by using the h w (i) and w l (i), it may determine the coefficient w m (i) in between. That is, w m (i) = β ' × w h (i) + (1-β') may determine the w m (i) by a × w l (i). Here, the function β '= c' where 0 'β'≤1 and the value of β' becomes small when the fundamental frequency P takes a small value and the value of β 'becomes large when the fundamental frequency P takes a large value (P). Thus ask the w m (i), the coefficient determining unit 24 is provided w h (i) (i = 0,1, ..., P max) to a memory table and w l (i) (i = 0,1 ,..., P max ) stored in the table are stored, it is possible to obtain a coefficient close to w h (i) when the fundamental frequency is large, , A coefficient close to w l (i) can be obtained when the fundamental frequency is small. In addition, w h (i), w m (i), w l (i) is i is larger, the value of w h (i), w m (i), w l (i) each is determined to be smaller in accordance with the . In addition, i = 0 coefficients w h (0), w m (0), for w l (0) w h ( 0) ≤w m (0) is satisfied with the relationship ≤w l (0) A value satisfying the relationship of w h (0)> w m (0) or / and w m (0)> w l (0) may be used.

제2 실시형태의 제2 변형예에 의해서도, 제2 실시형태와 마찬가지로, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.Even in the second modification of the second embodiment, similarly to the second embodiment, a coefficient that can be converted into a linear prediction coefficient in which generation of a peak of a spectrum due to a pitch component is suppressed even when the fundamental frequency of the input signal is high And a coefficient that can be converted into a linear prediction coefficient capable of expressing a spectral envelope even when the fundamental frequency of the input signal is low can be obtained, thereby realizing linear prediction with higher analysis precision than the conventional method.

<제2 실시형태의 제3 변형예>&Lt; Third Modified Example of Second Embodiment >

제2 실시형태의 제1 변형예에서는 1개의 역치를 사용하여 계수 wO(i)를 결정했는데, 제2 실시형태의 제3 변형예는 2개 이상의 역치를 사용하여 계수 wO(i)를 결정하는 것이다. 이하, 2개의 역치 th1, th2를 사용하여 계수를 결정하는 방법을 예로 들어 설명한다. 역치 th1, th2는 0<th1<th2라는 관계를 만족하는 것으로 한다.Second embodiment of the first modification, did determine the coefficients w O (i) using a single threshold value, a second embodiment of the third modification is the coefficient w O (i) using two or more threshold To decide. Hereinafter, a method of determining the coefficients using the two threshold values th1 and th2 will be described as an example. And the threshold values th1 and th2 satisfy the relationship of 0 < th1 < th2.

제2 실시형태의 제3 변형예의 선형 예측 분석 장치(2)의 기능 구성은 제2 실시형태의 제1 변형예와 동일한 도 1이다. 제2 실시형태의 제3 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외는 제2 실시형태의 제1 변형예의 선형 예측 분석 장치(2)와 동일하다.The functional configuration of the linear prediction analyzer 2 of the third modification of the second embodiment is the same as that of the first modification of the second embodiment shown in Fig. The linear prediction analyzing apparatus 2 of the third modification of the second embodiment is the same as the linear prediction analyzing apparatus 2 of the first modification of the second embodiment except for the processing of the coefficient determining unit 24.

계수 결정부(24)는 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값과, 역치 th1, th2를 비교한다. 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값은 예를 들면 입력된 주기에 대한 정보에 대응하는 주기이다.The coefficient determination unit 24 compares the threshold values th1 and th2 with values having a negative correlation with the fundamental frequency corresponding to the information on the input period. The value having a negative correlation with the fundamental frequency corresponding to the information on the input period is, for example, a period corresponding to the information on the input period.

계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 역치 th1보다 작은 경우, 즉, 주기가 짧다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wh(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wh(i)로 한다.When the value of the negative correlation with the fundamental frequency is smaller than the threshold th1, that is, when the period is determined to be short, the coefficient determiner 24 determines the coefficient w h (i) (i = 0, 1 , ..., and to determine the P max) and the determined coefficient w h (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max) . That is, w O (i) = w h (i).

계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 역치 th1 이상이며 역치 th2보다 작은 경우, 즉, 주기가 중간 정도라고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wm(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wm(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wm(i)로 한다.Coefficient determining section 24 if it is determined that if the value in the correlation fundamental frequency and negative relationship is less than the threshold is more than th1 threshold value th2, that is, the period is moderate, the coefficient w m (i) by a predetermined rule determining (i = 0,1, ..., P max) and the determined coefficient w m (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ... , Pmax ). That is, w O (i) = w m (i).

계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 역치 th2 이상인 경우, 즉, 주기가 길다고 판단된 경우에는, 미리 정한 규칙에 의해 계수 wl(i)를 결정하고, 이 결정된 계수 wl(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wl(i)로 한다.If more than the coefficient determining unit 24 is the threshold value th2 value in the correlation fundamental frequency and negative relationship, that is, if it is determined that the cycle path, and determine the factor w l (i) by a predetermined rule, is determined and a factor w l (i) (i = 0,1, ..., P max) for w O (i) (i = 0,1, ..., P max). In other words, w O (i) = w l (i).

여기서, wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)<wl(i)라는 관계를 만족하도록 결정하는 것으로 한다. 여기서, 적어도 일부의 각 i는 예를 들면 0 이외의 각 i(즉, 1≤i≤Pmax)이다. 또는, wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)≤wl(i), 그 이외의 i 중 적어도 일부의 각 i에 대해서 wh(i)≤wm(i)<wl(i), 나머지 각 i에 대해서 wh(i)≤wm(i)≤wl(i)라는 관계를 만족하도록 결정한다. 예를 들면, wh(i), wm(i), wl(i)는 식(7)에서 주기 T가 T1일 때의 wO(i)를 wh(i)로서 구하고, 식(7)에서 주기 T가 T2(단 T1<T2)일 때의 wO(i)를 wm(i)로서 구하고, 식(7)에서 주기 T가 T3(단 T2<T3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또, 예를 들면, wh(i), wm(i), wl(i)는 식(8)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(8)에서 α가 α2(단 α1<α2)일 때의 wO(i)를 wm(i)로서 구하고, 식(2)에서 α가 α3(단 α2 <α3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1,α2,α3은 식(8)의 α와 마찬가지로 미리 정해 둔다. 또한, 이들의 어느 하나의 규칙에 의해 미리 구한 wh(i), wm(i), wl(i)를 테이블에 기억해 두고, 기본 주파수와 부의 상관관계에 있는 값과 소정의 역치와의 비교에 의해 wh(i), wm(i), wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다. 또한, wh(i)와 wl(i)를 사용하여, 그 사이의 계수 wm(i)를 결정해도 된다. 즉, wm(i)=(1-β)×wh(i)+β×wl(i)에 의해 wm(i)를 결정해도 된다. 여기서 β는 0≤β≤1이며, 또한 주기 T가 작은 값을 취할 때는 β의 값도 작아지고, 주기 T가 큰 값을 취할 때에 β의 값도 커지는 함수 β=b(T)에 의해 주기 T로부터 구하는 값이다. 이와 같이 wm(i)를 구하면, 계수 결정부(24)에는 wh(i)(i=0,1,…,Pmax)를 기억한 테이블과 wl(i)(i=0,1,…,Pmax)를 기억한 테이블의 2개의 테이블만을 기억해 둠으로써, 주기가 중간 정도인 경우 중 주기가 작을 때에는 wh(i)에 가까운 계수를 얻을 수 있고, 반대로 주기가 중간 정도인 경우 중 주기가 클 때에는 wl(i)에 가까운 계수를 얻을 수 있다. 또, wh(i), wm(i), wl(i)는 i가 커짐에 따라서 각각 wh(i), wm(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(0), wm(0), wl(0)에 대해서는, wh(0)≤wm(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wm(0) 또는/및 wm(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.Here, w h (i), determined so as to satisfy the relation of w m (i), w l (i) is w h (i) <w m (i) <w l (i) for each i of at least a portion . Here, at least a part of each i is, for example, each i other than 0 (i.e. 1? I? P max ). Or, h w (i), w m (i), w l (i) is other than the at least w h (i) <w m (i) ≤w l (i) for each i part of, that of the i the relationship of w h (i) ≤w m ( i) <w l (i), w h for the remainder of each i (i) ≤w m (i ) ≤w l (i) for at least part of each i To be satisfied. For example, w h (i), w m (i), w l (i) is obtained as equation (7), the period T has w h to w O (i) the time of T1 (i) in the formula ( when 7), the period T is T2 (stage T1 <T2) to obtain a w O (i) a w m (i) when the formula (period in 7), T is T3 (stage T2 <T3) in the w O (i) is obtained as w l (i). Also, to obtain such an example, w h (i), w m (i), w l (i) the formula (8) w O a w h (i) (i) when the α is α1 in equation of w O when in (8) α is α2 (stage α1 <α2) to obtain a w m (i) for w O (i) when the formula (2) α is α3 (only α2 <α3) from ( i) is obtained as w l (i). In this case,? 1,? 2,? 3 are determined in advance as? In equation (8). It is also possible to store w h (i), w m (i), and w l (i) obtained in advance by any one of these rules in a table and to calculate a correlation between a value having a negative correlation with the fundamental frequency and a predetermined threshold Either w h (i), w m (i), or w l (i) may be selected from the table by comparison. Further, by using the h w (i) and w l (i), it may determine the coefficient w m (i) in between. That is, it may determine the w m (i) by w m (i) = (1 -β) × w h (i) + β × w l (i). Here, β is a function of β = b (T) where 0 ≦ β ≦ 1, and when the period T takes a small value, the value of β also becomes small, and when the period T takes a large value, . Thus ask the w m (i), the coefficient determining unit 24 is provided w h (i) (i = 0,1, ..., P max) to a memory table and w l (i) (i = 0,1 ,..., P max ) stored in the table are stored, it is possible to obtain a coefficient close to w h (i) when the period is intermediate and when the period is small. On the other hand, When the middle period is large, a coefficient close to w l (i) can be obtained. In addition, w h (i), w m (i), w l (i) is i is larger Thus, the value of w h (i), w m (i), w l (i) determined such that it decreases each of the . In addition, that satisfy a relationship of i = 0 the coefficient of h w (0), w m for (0), w l (0 ), w h (0) ≤w m (0) ≤w l (0) Is not essential and a value satisfying the relationship of w h (0)> w m (0) or / and w m (0)> w l (0) may be used.

제2 실시형태의 제3 변형예에 의해서도, 제2 실시형태의 제1 변형예와 마찬가지로, 입력 신호의 기본 주파수가 높을 때여도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 기본 주파수가 낮을 때여도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.Even in the third modified example of the second embodiment, as in the first modified example of the second embodiment, even when the fundamental frequency of the input signal is high, the linear prediction coefficient obtained by suppressing the occurrence of the peak of the spectrum attributable to the pitch component A coefficient that can be converted into a linear prediction coefficient capable of expressing a spectral envelope can be obtained even when the fundamental frequency of the input signal is low, and linear prediction with high analysis accuracy can be realized.

[제3 실시형태][Third embodiment]

제3 실시형태는 복수개의 계수 테이블을 사용하여 계수 wO(i)를 결정하는 것이다. 제3 실시형태는 계수 결정부(24)에 있어서의 계수 wO(i)의 결정 방법만이 제1 실시형태와 상이하고, 다른 점에 대해서 제1 실시형태와 마찬가지이다. 이하, 제1 실시형태와 상이한 부분을 중심으로 설명하고, 제1 실시형태와 마찬가지인 부분에 대해서는 중복 설명을 생략한다.The third embodiment is to determine a coefficient w O (i) by using a plurality of coefficient tables. The third embodiment is different from the first embodiment only in the determination method of the coefficient w O (i) in the coefficient determination section 24, and the difference is similar to that of the first embodiment. Hereinafter, different parts from the first embodiment will be mainly described, and redundant description will be omitted for parts similar to those of the first embodiment.

제3 실시형태의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이하고, 도 5에 예시하는 바와 같이 계수 테이블 기억부(25)를 또한 구비하고 있는 부분 이외는 제1 실시형태의 선형 예측 분석 장치(2)와 동일하다. 계수 테이블 기억부(25)에는 2개 이상의 계수 테이블이 기억되어 있다.The linear prediction analysis apparatus 2 of the third embodiment is different from the linear predictive analysis apparatus 2 of the third embodiment in that the processing of the coefficient determination section 24 is different and as shown in Fig. 5, except for the part further including the coefficient table storage section 25, Type linear prediction analyzer 2 shown in FIG. The coefficient table storage unit 25 stores two or more coefficient tables.

제3 실시형태의 계수 결정부(24)의 처리의 흐름의 예를 도 6에 나타낸다. 제3 실시형태의 계수 결정부(24)는 예를 들면 도 6의 스텝 S44, 스텝 S45의 처리를 행한다.An example of the flow of the process of the coefficient determination unit 24 of the third embodiment is shown in Fig. The coefficient determination unit 24 of the third embodiment performs the processing of step S44 and step S45 in Fig. 6, for example.

우선, 계수 결정부(24)는 입력된 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값 또는 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값을 사용하여, 계수 테이블 기억부(25)에 기억된 2개 이상의 계수 테이블로부터, 그 기본 주파수와 정의 상관관계에 있는 값 또는 기본 주파수와 부의 상관관계에 있는 값에 따른 1개의 계수 테이블 t를 선택한다(스텝 S44). 예를 들면, 기본 주파수에 대한 정보에 대응하는 기본 주파수와 정의 상관관계에 있는 값은 기본 주파수에 대한 정보에 대응하는 기본 주파수이며, 입력된 주기에 대한 정보에 대응하는 기본 주파수와 부의 상관관계에 있는 값은 입력된 주기에 대한 정보에 대응하는 주기이다.First, the coefficient determination unit 24 uses a value having a positive correlation with the fundamental frequency corresponding to the input fundamental frequency information or a value having a negative correlation with the fundamental frequency corresponding to the information on the input period From the two or more coefficient tables stored in the coefficient table storage unit 25, one coefficient table t corresponding to a value having a positive correlation with the fundamental frequency or a value having a negative correlation with the fundamental frequency S44). For example, the value correlated positively with the fundamental frequency corresponding to the information on the fundamental frequency is a fundamental frequency corresponding to the information on the fundamental frequency, and is negatively correlated with the fundamental frequency corresponding to the information on the inputted period The value is a period corresponding to the information on the input period.

예를 들면, 계수 테이블 기억부(25)에 상이한 2개의 계수 테이블 t0, t1이 기억되어 있고, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)(i=0,1,…,Pmax)가 격납되어 있는 것으로 한다. 2개의 계수 테이블 t0, t1의 각각에는 적어도 일부의 각 i에 대해서 wt0(i)<wt1(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt1(i)(i=0,1,…,Pmax)가 격납되어 있다.For example, two different coefficient tables t0 and t1 are stored in the coefficient table storage unit 25, and coefficients wt0 (i) (i = 0, 1, ..., Pmax ) are stored in the coefficient table t0 , And a coefficient wt1 (i) (i = 0, 1, ..., Pmax ) is stored in the coefficient table t1. Two coefficient table t0, t0 coefficient determined such that w (i) <w t1 (i) a, w t0 (i) ≤w t1 (i) for each of the remaining i for each i in at least a part of each of t1 wt0 (i) (i = 0,1, ..., Pmax ) and a coefficient wt1 (i) (i = 0,1, ..., Pmax ) are stored.

이 때, 계수 결정부(24)는 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상이면 계수 테이블 t0을 계수 테이블 t로서 선택하고, 그렇지 않은 경우에는 계수 테이블 t1을 계수 테이블 t로서 선택한다. 즉, 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상인 경우, 즉, 기본 주파수가 높다고 판단된 경우에는, 각 i에 대한 계수가 작은 쪽의 계수 테이블을 선택하고, 기본 주파수와 정의 상관관계에 있는 값이 소정의 역치 이상이 아닌 경우, 즉 기본 주파수가 낮다고 판단된 경우에는, 각 i에 대한 계수가 큰 쪽의 계수 테이블을 선택한다. 바꾸어 말하면, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제1 계수 테이블로 하고, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값보다 작은 제2값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수의 크기는 제1 계수 테이블에 있어서의 각 차수 i에 대응하는 계수의 크기보다 크다.At this time, the coefficient determination unit 24 selects the coefficient table t0 as the coefficient table t when the positive correlation with the fundamental frequency is equal to or greater than the predetermined threshold value, and selects the coefficient table t1 as the coefficient table t if not . That is, when a value having a positive correlation with the fundamental frequency is equal to or larger than a predetermined threshold value, that is, when it is determined that the fundamental frequency is high, a coefficient table with a smaller coefficient for each i is selected, Is not equal to or larger than the predetermined threshold value, that is, when it is determined that the fundamental frequency is low, the coefficient table having the larger coefficient for each i is selected. In other words, the coefficient table selected by the coefficient determination unit 24 when the value in positive correlation with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a first value, And is selected by the coefficient determination unit 24 when the value in the positive correlation with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a second value smaller than the first value The coefficient table is set as a second coefficient table and the magnitude of the coefficient corresponding to each degree i in the second coefficient table for at least a part of each degree i is set to a coefficient corresponding to each degree i in the first coefficient table .

또, 계수 결정부(24)는 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하이면 계수 테이블 t0을 계수 테이블 t로서 선택하고, 그렇지 않은 경우에는 계수 테이블 t1을 계수 테이블 t로서 선택한다. 즉, 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하인 경우, 즉 주기가 짧다고 판단된 경우에는, 각 i에 대한 계수가 작은 쪽의 계수 테이블을 선택하고, 기본 주파수와 부의 상관관계에 있는 값이 소정의 역치 이하가 아닌 경우, 즉 주기가 길다고 판단된 경우에는, 각 i에 대한 계수가 큰 쪽의 계수 테이블을 선택한다. 바꾸어 말하면, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 기본 주파수와 부의 상관관계에 있는 값이 제1값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제1 계수 테이블로 하고, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 기본 주파수와 부의 상관관계에 있는 값이 제1값보다 큰 제2값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수의 크기는 제1 계수 테이블에 있어서의 각 차수 i의 계수의 크기보다 크다.The coefficient determination unit 24 selects the coefficient table t0 as the coefficient table t when the value having a negative correlation with the fundamental frequency is equal to or smaller than the predetermined threshold value, and selects the coefficient table t1 as the coefficient table t if not. That is, when the value in the negative correlation with the fundamental frequency is less than or equal to the predetermined threshold value, that is, when it is determined that the period is short, the coefficient table with the smaller coefficient for each i is selected and the coefficient table having the negative correlation with the fundamental frequency If the value is not less than or equal to the predetermined threshold value, that is, if it is determined that the period is long, the coefficient table having the larger coefficient for each i is selected. In other words, when the value in the negative correlation with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a first value, the coefficient table selected by the coefficient determination unit 24 is referred to as a first coefficient And is selected by the coefficient determination unit 24 when the value in the negative correlation with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a second value larger than the first value The coefficient table is set as a second coefficient table and the magnitude of the coefficient corresponding to each degree i in the second coefficient table for at least a part of each degree i is set to the magnitude of the coefficient of each degree i in the first coefficient table Lt; / RTI &gt;

또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t1의 i=0의 계수 wt0(0), wt1(0)에 대해서는 wt0(0)≤wt1(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt1(0)의 관계에 있는 값이어도 된다.Further, the relationship between the coefficient table storage unit a coefficient table stored in the (25) t0, the coefficient of i = 0 in the t0 t1 w (0), for w t1 (0) w t0 ( 0) ≤w t1 (0) Is not essential and may be a value in the relationship of w t0 (0)> w t1 (0).

또, 예를 들면, 계수 테이블 기억부(25)에 상이한 3개의 계수 테이블 t0, t1, t2이 기억되어, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)(i=0,1,…,Pmax), 계수 테이블 t2에는 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있는 것으로 한다. 3개의 계수 테이블 t0, t1, t2의 각각에는 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt1(i)(i=0,1,…,Pmax)와 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다.For example, three different coefficient tables t0, t1 and t2 are stored in the coefficient table storage unit 25, and coefficients wt0 (i) (i = 0, 1, ..., Pmax ) and is stored, the coefficient table t1 t1, the coefficient w (i) (i = 0,1, ..., P max), the coefficient table t2 t2, the coefficient w (i) (i = 0,1, ..., P max) Are stored. Three coefficient table t0, t1, t2, each of at least a w t0 (i) <w t1 (i) ≤w t2 (i) with respect to a portion of i, with respect to the other of the i least a portion of each i w t0 (i) ≤w t1 (i ) <w t2 (i) a, w t0 (i) for each of the remaining i ≤w t1 (i) ≤w t2 t0 coefficient w (i) determined such that (i) ( i = 0,1, ..., P max ) and the coefficient w t1 (i) (i = 0,1, ..., P max) and the coefficient w t2 (i) (i = 0,1, ..., P max) is Respectively.

여기서, 0<th1'<th2'라는 관계를 만족하는 2개의 역치 th1',th2'가 정해져 있는 것으로 한다. 이 때, 계수 결정부(24)는Here, it is assumed that two threshold values th1 'and th2' satisfying the relation of 0 < th1 &lt; th2 'are defined. At this time, the coefficient determination unit 24

(1) 기본 주파수와 정의 상관관계에 있는 값>th2'의 경우, 즉, 기본 주파수가 높다고 판단된 경우에는, 계수 테이블 t0을 계수 테이블 t로서 선택하고,(1) When the value is in a positive correlation with the fundamental frequency > th2 ', that is, when it is determined that the fundamental frequency is high, the coefficient table t0 is selected as the coefficient table t,

(2) th2'≥기본 주파수와 정의 상관관계에 있는 값>th1'의 경우, 즉, 기본 주파수가 중간 정도라고 판단된 경우에는, 계수 테이블 t1을 계수 테이블 t로서 선택하고,(2) If th2 'is a positive correlation with the fundamental frequency> th1', that is, if it is determined that the fundamental frequency is intermediate, the coefficient table t1 is selected as the coefficient table t,

(3) th1'≥기본 주파수와 정의 상관관계에 있는 값의 경우, 즉, 기본 주파수가 낮다고 판단된 경우에는, 계수 테이블 t2를 계수 테이블 t로서 선택한다.(3) th1'≥ In the case of a value having positive correlation with the fundamental frequency, that is, when it is determined that the fundamental frequency is low, the coefficient table t2 is selected as the coefficient table t.

또, 여기서, 0<th1<th2라는 관계를 만족하는 2개의 역치 th1,th2가 정해져 있는 것으로 한다. 이 때, 계수 결정부(24)는Here, it is assumed that two threshold values th1 and th2 satisfying the relationship of 0 < th1 < th2 are defined. At this time, the coefficient determination unit 24

(1) 기본 주파수와 부의 상관관계에 있는 값≥th2의 경우, 즉, 주기가 길다고 판단된 경우에는, 계수 테이블 t2를 계수 테이블 t로서 선택하고,(1) In the case of a value &gt; th2 having a negative correlation with the fundamental frequency, that is, when it is determined that the cycle is long, the coefficient table t2 is selected as the coefficient table t,

(2) th2>기본 주파수와 부의 상관관계에 있는 값≥th1의 경우, 즉, 주기가 중간 정도라고 판단된 경우에는, 계수 테이블 t1을 계수 테이블 t로서 선택하고,(2) When the value > th1, which is negatively correlated with th2 &gt; the fundamental frequency, i.e., when the period is judged to be intermediate, the coefficient table t1 is selected as the coefficient table t,

(3) th1>기본 주파수와 부의 상관관계에 있는 값의 경우, 즉, 주기가 짧다고 판단된 경우에는, 계수 테이블 t0을 계수 테이블 t로서 선택한다.(3) th1> In the case of a value having a negative correlation with the fundamental frequency, that is, when it is determined that the period is short, the coefficient table t0 is selected as the coefficient table t.

또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t1, t2의 i=0의 계수 wt0(0), wt1(0), wt2(0)에 대해서는, wt0(0)≤wt1(0)≤wt2(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt1(0) 또는/및 wt1(0)>wt2(0)의 관계에 있는 값이어도 된다.In addition, the coefficient table coefficients stored in the storage unit 25, the table t0, t1, for the coefficient of the i = 0 of t2 w t0 (0), w t1 (0), w t2 (0), w t0 (0 ) ≤w t1 (0) is not a thing which satisfies the required relationship ≤w t2 (0), w t0 (0)> w t1 (0) or / and w t1 (0)> w t2 (0) of Or a value in a relationship.

그리고, 계수 결정부(24)는 그 선택된 계수 테이블 t에 격납된 각 차수 i의 계수 wt(i)를 계수 wO(i)로 한다(스텝 S45). 즉, wO(i)=wt(i)로 한다. 바꾸어 말하면, 계수 결정부(24)는 선택된 계수 테이블 t로부터 각 차수 i에 대응하는 계수 wt(i)를 취득하고, 취득된 각 차수 i에 대응하는 계수 wt(i)를 wO(i)로 한다.Then, the coefficient determination unit 24 sets the coefficient w t (i) of each degree i stored in the selected coefficient table t to the coefficient w O (i) (step S45). That is, w O (i) = w t (i). In other words, the coefficient determining unit 24 obtains the coefficient w t (i) corresponding to each order i from the selected coefficient table t, and the coefficients w t (i) corresponding to each order i obtained w O (i ).

제3 실시형태에서는 제1 실시형태 및 제2 실시형태와는 상이하게, 기본 주파수와 정의 상관관계에 있는 값이나 기본 주파수와 부의 상관관계에 있는 값의 함수에 기초하여 계수 wO(i)를 계산할 필요가 없기 때문에, 보다 적은 연산 처리량으로 wO(i)를 결정할 수 있다.In the third embodiment, different from the first embodiment and the second embodiment, the coefficient w O (i) is calculated based on a function having a positive correlation with the fundamental frequency or a function of a value having a negative correlation with the fundamental frequency Since it is not necessary to calculate W O (i), it is possible to determine w O (i) with a smaller amount of calculation processing.

계수 테이블 기억부(25)에 기억되어 있는 2개 이상의 계수 테이블에 대해서 이하와 같이 말할 수 있다.Two or more coefficient tables stored in the coefficient table storage unit 25 can be described as follows.

계수 테이블 기억부(25)에 기억되어 있는 2개 이상의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값인 경우에 계수 결정부(24)에서 계수 wO(i)(i=0,1,…,Pmax)가 취득되는 계수 테이블을 제1 계수 테이블로 한다. 계수 테이블 기억부(25)에 기억되어 있는 2개 이상의 계수 테이블 중의 기본 주파수와 정의 상관관계에 있는 값이 제1값보다 작은 제2값인 경우에 계수 결정부(24)에서 계수 wO(i)(i=0,1,…,Pmax)가 취득되는 계수 테이블을 제2 계수 테이블로 한다. 이 때, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수는 제1 계수 테이블에 있어서의 그 각 차수 i에 대응하는 계수보다 크다.Coefficient table storage unit coefficients (25) in at least two coefficient table stored in the coefficient of determination, if the value in the fundamental frequency and the positive correlation between the value of one unit 24 to w O (i) (i = 0, 1, ..., P max ) is obtained as a first coefficient table. Coefficient table storage unit coefficients (25) in at least two coefficient table stored in the coefficient of determination, if the value in the fundamental frequency and the correlated small second value than the first value unit 24 for w O (i) (i = 0, 1, ..., P max ) is obtained as a second coefficient table. At this time, for at least a part of each degree i, the coefficient corresponding to each degree i in the second coefficient table is larger than the coefficient corresponding to each degree i in the first coefficient table.

또, 계수 테이블 기억부(25)에 기억되어 있는 2개 이상의 계수 테이블 중의 기본 주파수와 부의 상관관계에 있는 값이 제1값인 경우에 계수 결정부(24)에서 계수 wO(i)(i=0,1,…,Pmax)가 취득되는 계수 테이블을 제1 계수 테이블로 한다. 계수 테이블 기억부(25)에 기억되어 있는 2개 이상의 계수 테이블 중의 기본 주파수와 부의 상관관계에 있는 값이 제1값보다 큰 제2값인 경우에 계수 결정부(24)에서 계수 wO(i)(i=0,1,…,Pmax)가 취득되는 계수 테이블을 제2 계수 테이블로 한다. 이 때, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수는 제1 계수 테이블에 있어서의 그 각 차수 i에 대응하는 계수보다 크다.When the value in the negative correlation with the fundamental frequency in the two or more coefficient tables stored in the coefficient table storage unit 25 is the first value, the coefficient w o (i) (i = 0, 1, ..., P max ) is obtained as a first coefficient table. Coefficient table storage unit coefficients (25) in at least two coefficient table stored in the basic frequency and the negative value in the correlation is greater than the first value, the coefficient determining if the second value portion 24 for w O (i) (i = 0, 1, ..., P max ) is obtained as a second coefficient table. At this time, for at least a part of each degree i, the coefficient corresponding to each degree i in the second coefficient table is larger than the coefficient corresponding to each degree i in the first coefficient table.

<제3 실시형태의 구체예>&Lt; Specific Example of Third Embodiment >

이하, 제3 실시형태의 구체예에 대해서 설명한다. 이 구체예에서는 기본 주파수와 부의 상관관계에 있는 값으로서 주기의 양자화값이 사용되고, 이 주기의 양자화값에 따라서 계수 테이블 t가 선택된다.Specific examples of the third embodiment will be described below. In this specific example, the quantization value of the period is used as a value having a negative correlation with the fundamental frequency, and the coefficient table t is selected according to the quantization value of this period.

선형 예측 분석 장치(2)에는 하이 패스 필터를 통과하고, 12.8 kHz로 샘플링 변환되어, 프리엠퍼시스 처리가 된 1프레임당 N샘플의 디지털 음향 신호인 입력 신호 XO(n)(n=0,1,…,N-1)와, 주기에 대한 정보로서 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn)(단, Nn은 Nn<N이라는 관계를 만족하는 소정의 정의 정수.)에 대해 주기 계산부(940)에서 구한 주기 T가 입력된다. 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn)에 대한 주기 T는 주기 계산부(940)에 있어서 당해 입력 신호의 1개 앞의 프레임의 신호 구간으로서 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn)를 포함시켜 두고, 1개 앞의 프레임의 신호 구간에 대한 주기 계산부(940)의 처리에 있어서 XO(n)(n=0,1,…,Nn)에 대하여 계산하여 기억한 주기이다.The linear prediction analyzer 2 receives the input signal X O (n) (n = 0, n), which is a digital sound signal of N samples per one frame subjected to the pre-emphasis processing, 1, ..., n-1) and, as input information for a period of a portion of the current frame signal X O (n) (n = 0,1, ..., Nn) ( However, Nn is satisfied a relation of Nn <n The period T obtained by the period calculator 940 is input. The period T for a portion of the input signal X O (n) (n = 0, 1, ..., Nn) of the current frame is calculated by the period calculator 940 as a signal interval of a frame preceding the input signal The input signal X O (n) (n = 0, 1, ..., Nn) of a part of the frame is included and X O ( n) (n = 0, 1, ..., Nn).

자기상관 계산부(21)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 하기 식(16)으로 구한다.The autocorrelation calculation section 21 obtains autocorrelation R O (i) (i = 0, 1, ..., P max ) from the input signal X O (n) by the following equation (16).

[수 14][Number 14]

Figure 112017110877578-pat00014
Figure 112017110877578-pat00014

계수 결정부(24)에 주기에 대한 정보인 주기 T가 입력된다. 여기서 주기 T는 29≤T≤231이라는 범위에 포함되어 있는 것으로 한다. 계수 결정부(24)는 입력된 주기 T에 대한 정보에서 특정되는 주기 T로부터, 이하의 식(17)의 연산에 의해 인덱스 D를 얻는다. 이 인덱스 D가 기본 주파수와 부의 상관관계에 있는 값이며, 주기의 양자화값에 대응하고 있다.A period T, which is information on the period, is input to the coefficient determination unit 24. [ Here, it is assumed that the period T is included in the range of 29? T? 231. The coefficient determination unit 24 obtains the index D from the cycle T specified by the information on the inputted cycle T by the calculation of the following equation (17). This index D has a negative correlation with the fundamental frequency and corresponds to the quantization value of the period.

D=int(T/110+0.5)(17)D = int (T / 110 + 0.5) (17)

여기서, int는 정수값화 함수이며, 입력된 실수의 소수점 이하를 버림으로써 그 실수의 정수 부분만을 출력하는 함수이다. 도 7은 주기 T, 인덱스 D, 주기의 양자화값 T'의 관계를 나타내는 도면의 예이다. 도 7의 횡축은 주기 T이며, 종축은 주기의 양자화값 T'이다. 주기의 양자화값 T'=D×110이다. 주기 T가 29≤T≤231이기 때문에, 인덱스 D는 0,1,2의 어느 하나의 값이 된다. 또한, 식(17)을 사용하지 않고 역치를 사용하여 주기 T가 29≤T≤54라면 D=0, 55≤T≤164라면 D=1, 165≤T≤231이라면 D=2라고 하도록 하여 인덱스 D를 구해도 된다.Here, int is an integer-valued function that outputs only the integer part of the real number by truncating the decimal point of the input real number. FIG. 7 is an example of a diagram showing a relationship between a period T, an index D, and a quantization value T 'of a period. The abscissa of FIG. 7 is the period T, and the ordinate is the quantization value T 'of the period. The quantization value of the period T '= D x 110. Since the period T is 29? T? 231, the index D is any one of 0, 1, and 2. If the period T is 29? T? 54 using the threshold value without using the equation (17), if D = 0 and 55? T? 164, D = 1 and 165? D may be obtained.

계수 테이블 기억부(25)에는 D=0의 경우에 선택되는 계수 테이블 t0과, D=1의 경우에 선택되는 계수 테이블 t1과, D=2의 경우에 선택되는 계수 테이블 t2가 기억되어 있다.In the coefficient table storage unit 25, a coefficient table t0 selected when D = 0, a coefficient table t1 selected when D = 1, and a coefficient table t2 selected when D = 2 are stored.

계수 테이블 t0은 식(13)의 종래법의 f0=60Hz(즉 반값폭 142Hz에 상당)의 계수 테이블이며, 각 차수의 계수 wtO(i)가 다음과 같이 정해져 있다.The coefficient table of a coefficient table t0 is the formula (13) Conventional Method f 0 = 60Hz (i.e., corresponding to half width 142Hz) of a, a coefficient w tO (i) of each order is determined as follows:

wt0(i)=[1.0, 0.999566371, 0.998266613, 0.996104103, 0.993084457, 0.989215493, 0.984507263, 0.978971839, 0.972623467, 0.96547842, 0.957554817, 0.948872864, 0.939454317, 0.929322779, 0.918503404, 0.907022834, 0.894909143]w t0 (i) = [1.0, 0.999566371, 0.998266613, 0.996104103, 0.993084457, 0.989215493, 0.984507263, 0.978971839, 0.972623467, 0.96547842, 0.957554817, 0.948872864, 0.939454317, 0.929322779, 0.918503404, 0.907022834, 0.894909143]

계수 테이블 t1은 식(13)의 f0=50Hz(즉 반값폭 116Hz에 상당)의 계수 테이블이며, 각 차수의 계수 wt1(i)가 다음과 같이 정해져 있다.The coefficient table t1 is a coefficient table of f 0 = 50 Hz (that is, equivalent to a full width at half maximum of 116 Hz) in the equation (13), and the coefficient w t1 (i) of each order is determined as follows.

wt1(i)=[1.0, 0.999706, 0.998824, 0.997356, 0.995304, 0.992673, 0.989466, 0.985689, 0.98135, 0.976455, 0.971012, 0.965032, 0.958525, 0.951502, 0.943975, 0.935956, 0.927460]w t1 (i) = [1.0, 0.999706, 0.998824, 0.997356, 0.995304, 0.992673, 0.989466, 0.985689, 0.98135, 0.976455, 0.971012, 0.965032, 0.958525, 0.951502, 0.943975, 0.935956, 0.927460]

계수 테이블 t2는 식(13)의 f0=25Hz(즉 반값폭 58Hz에 상당)의 테이블이며, 각 차수의 계수 wt2(i)가 다음과 같이 정해져 있다.The coefficient table t2 is a table of f 0 = 25 Hz (that is, equivalent to a half value width of 58 Hz) in the equation (13), and the coefficient w t2 (i) of each order is determined as follows.

wt2(i)=[1.0, 0.999926, 0.999706, 0.999338, 0.998824, 0.998163, 0.997356, 0.996403, 0.995304, 0.99406, 0.992672, 0.99114, 0.989465, 0.987647, 0.985688, 0.983588, 0.981348]w t2 (i) = [1.0, 0.999926, 0.999706, 0.999338, 0.998824, 0.998163, 0.997356, 0.996403, 0.995304, 0.99406, 0.992672, 0.99114, 0.989465, 0.987647, 0.985688, 0.983588, 0.981348]

여기서, 상기 서술한 wtO(i), wt1(i), wt2(i)의 리스트는 Pmax=16로 하여, i=0,1,2,…,16의 순서로 좌측으로부터 i에 대응하는 계수의 크기를 늘어놓은 것이다. 즉 상기 서술한 예에서는 예를 들면 wt0(0)=1.0이며,Here, the list of w t0 (i), w t1 (i) and w t2 (i) described above is P max = 16, and i = 0, , The order of the coefficients corresponding to i from the left in the order of 16 is arranged. That is, in the example described above, for example, w t0 (0) = 1.0,

wt0(3)=0.996104103이다.w t0 (3) = 0.996104103.

도 8에 i마다의 계수 테이블의 계수 wt0(i), wt1(i), wt2(i)의 계수의 크기를 그래프로 나타낸다. 도 8의 횡축은 차수 i를 나타내고, 도 8의 종축은 계수의 크기를 나타낸다. 이 그래프로부터도 알 수 있는 바와 같이, 각 계수 테이블 내에서는 i의 값이 커짐에 따라 계수의 크기가 단조감소하는 관계에 있다. 또, 동일한 i의 값에 대응하는 상이한 계수 테이블의 계수의 크기를 비교하면, i≥1에 대하여 wt0(i)<wt1(i)<wt2(i)의 관계를 만족하고 있다. 즉, 0을 제외하는 i≥1의 i에 대하여, 바꾸어 말하면 적어도 일부의 i에 대해서 인덱스 D가 커짐에 따라 계수의 크기가 단조증가하는 관계에 있다. i=0 이외에 대하여, 계수 테이블 기억부(25)에 기억되는 복수의 계수 테이블은 이러한 관계를 가지는 것이면 상기 서술한 예에 한정되지 않는다. T0 coefficient w (i) of the coefficient table for each i in Fig. 8, w t1 (i), represents the magnitude of the coefficients w t2 (i) in a graph. The abscissa of FIG. 8 represents the degree i, and the ordinate of FIG. 8 represents the magnitude of the coefficient. As can be seen from this graph, in the respective coefficient tables, there is a relationship that the magnitude of the coefficients monotonously decreases as the value of i increases. When the magnitudes of the coefficients of the different coefficient tables corresponding to the same value of i are compared, the relationship of w t0 (i) <w t1 (i) <w t2 (i) is satisfied for i≥1. That is, with respect to i of i &amp; tilde &amp; 1 excluding 0, in other words, as the index D increases for at least a part of i, the magnitude of the coefficient monotonically increases. The plurality of coefficient tables stored in the coefficient table storage unit 25 other than i = 0 are not limited to the above-described examples as long as they have this relationship.

또, 비특허문헌 1이나 비특허문헌 2에 기재되어 있는 바와 같이, i=0의 계수만 특별 취급을 하여, wt0(0)=wt1(0)=wt2(0)=1.0001이나 wt0(0)=wt1(0)=wt2(0)=1.003이라는 경험적인 값을 사용해도 된다. 또한, i=0에 대해서는 wt0(i)<wt1(i)<wt2(i)의 관계를 만족하고 있을 필요는 없고, 또, wt0(0), wt1(0), wt2(0)가 반드시 동일한 값이 아니어도 된다. 예를 들면, wt0(0)=1.0001, wt1(0)=1.0, wt2(0)=1.0과 같이, i=0에 관해서만 wt0(0), wt1(0), wt2(0) 중 2개 이상의 값의 대소관계가 wt0(i)<wt1(i)<wt2(i)의 관계를 만족하지 않아도 된다.In addition, as described in Non-Patent Document 1 and Non-Patent Document 2, i = coefficient of zero only by a special treatment, w t0 (0) = w t1 (0) = w t2 (0) = 1.0001 or w t0 (0) = w t1 may be used in the empirical value of (0) = w t2 (0 ) = 1.003. In addition, i = about 0 w t0 (i) <w t1 (i) <w t2 (i) a does not have to be satisfied relationship, again, w t0 (0), w t1 (0), w t2 (0) are not necessarily the same value. For example, w t0 (0) = 1.0001 , w t1 (0) = 1.0, w t2 (0) = as 1.0, i = 0 only when it comes to w t0 (0), w t1 (0), w t2 (0) the magnitude relationship between two or more of the values does not have to satisfy the relation of w t0 (i) <w t1 (i) <w t2 (i).

계수 결정부(24)는 인덱스 D에 대응하는 계수 테이블 tD를 계수 테이블 t로서 선택한다.The coefficient determination unit 24 selects the coefficient table tD corresponding to the index D as the coefficient table t.

그리고, 계수 결정부(24)는 그 선택된 계수 테이블 t의 각 계수 wt(i)를 계수 wO(i)로 한다. 즉, wO(i)=wt(i)로 한다. 바꾸어 말하면, 계수 결정부(24)는 선택된 계수 테이블 t로부터 각 차수 i에 대응하는 계수 wt(i)를 취득하고, 취득된 각 차수 i에 대응하는 계수 wt(i)를 wO(i)로 한다.Then, the coefficient determination unit 24 sets each coefficient w t (i) of the selected coefficient table t as a coefficient w O (i). That is, w O (i) = w t (i). In other words, the coefficient determining unit 24 obtains the coefficient w t (i) corresponding to each order i from the selected coefficient table t, and the coefficients w t (i) corresponding to each order i obtained w O (i ).

또한, 상기 서술한 예에서는, 각 계수 테이블 t0, t1, t2를 인덱스 D와 대응짓고 있는데, 각 계수 테이블 t0, t1, t2를 기본 주파수와 정의 상관관계에 있는 값 또는 인덱스 D 이외의 기본 주파수와 부의 상관관계에 있는 값과 대응지어도 된다.In the example described above, the coefficient tables t0, t1, and t2 are associated with the index D, and each of the coefficient tables t0, t1, and t2 has a positive correlation with the fundamental frequency or a fundamental frequency other than the index D It may correspond to a negative correlation value.

<제3 실시형태의 변형예>&Lt; Modification of Third Embodiment >

제3 실시형태에서는 복수개의 계수 테이블 중 어느 1개의 테이블에 기억된 계수를 계수 wO(i)로서 결정했는데, 제3 실시형태의 변형예는 이것에 더해 복수개의 계수 테이블에 기억된 계수에 기초하는 연산 처리에 의해 계수 wO(i)를 결정하는 경우를 포함한다.In the third embodiment, the coefficient stored in any one of the plurality of coefficient tables is determined as the coefficient w O (i). In the modification of the third embodiment, on the other hand, (I) is determined by the arithmetic processing for calculating the coefficient w O (i).

제3 실시형태의 변형예의 선형 예측 분석 장치(2)의 기능 구성은 제3 실시형태와 동일한 도 5이다. 제3 실시형태의 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이하고, 계수 테이블 기억부(25)에 포함되는 계수 테이블이 상이한 부분 이외는 제3 실시형태의 선형 예측 분석 장치(2)와 동일하다.The functional configuration of the linear prediction analyzer 2 of the modified example of the third embodiment is the same as that of the third embodiment shown in Fig. The linear prediction analysis apparatus 2 according to the modification of the third embodiment is different from the linear prediction analyzing apparatus 2 according to the third embodiment in the processing of the coefficient determining section 24 except that the coefficient table included in the coefficient table storing section 25 is different. Is the same as the prediction analysis apparatus 2.

계수 테이블 기억부(25)에는 계수 테이블 t0과 t2만이 기억되어 있고, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다. 2개의 계수 테이블 t0, t2의 각각에는 적어도 일부의 각 i에 대해서 wt0(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt2(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다.Coefficient table storage unit 25, and is stored, only the coefficient tables t0 and t2, the coefficient table t0 t0, the coefficient w (i) (i = 0,1, ..., P max) is contained, and the coefficient table t2, the coefficient w t2 (i) (i = 0, 1, ..., P max ) are stored. Two coefficient table t0, t0 coefficient determined such that w (i) ≤w t2 (i) for each of t2 t0 there is w (i) <t2 w (i) for each i of at least a portion, each of the remaining i wt0 (i) (i = 0,1, ..., Pmax ) and a coefficient wt2 (i) (i = 0,1, ..., Pmax ) are stored.

여기서, 0<th1'<th2'이라는 관계를 만족하는 2개의 역치 th1',th2'가 정해져 있는 것으로 한다. 이 때, 계수 계산부(24)는Here, it is assumed that two threshold values th1 'and th2' satisfying the relationship of 0 < th1 &lt; th2 'are defined. At this time, the coefficient calculation section 24 calculates

(1) 기본 주파수와 정의 상관관계에 있는 값>th2'의 경우, 즉, 기본 주파수가 높다고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)를 계수 wO(i)로서 선택하고,(1) If the value> th2 'at the fundamental frequency and the positive correlation, that is, if the fundamental frequency of high judgment, and selecting the respective coefficients w t0 (i) of the coefficient table t0 as a function w O (i) ,

(2) th2'≥기본 주파수와 정의 상관관계에 있는 값>th1'의 경우, 즉, 기본 주파수가 중간 정도라고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)와 계수 테이블 t2의 각 계수 wt2(i)를 사용하여, wO(i)=β'×wt0(i)+(1-β')×wt2(i)에 의해 계수 wO(i)를 결정하고,(2) if the value th2'≥> th1 'at the fundamental frequency and the positive correlation, that is, if the fundamental frequency is judged as moderate, the coefficient table for each coefficient w t0 (i) as coefficients of table t2 t0 using the respective coefficients w t2 (i), and determines the coefficient w O (i) by w O (i) = β ' × w t0 (i) + (1-β') × w t2 (i),

(3) th1'≥기본 주파수와 정의 상관관계에 있는 값의 경우, 즉, 기본 주파수가 낮다고 판단된 경우에는, 계수 테이블 t2의 각 계수 wt2(i)를 계수 wO(i)로서 선택한다. 여기서 β'는 0≤β'≤1이며, 기본 주파수 P가 작은 값을 취할 때는 β'의 값도 작아지고, 기본 주파수 P가 큰 값을 취할 때에 β'의 값도 커지는 함수 β'=c(P)에 의해, 기본 주파수 P로부터 구하는 값이다. 이 구성으로 하면, 기본 주파수가 중간 정도인 경우 중 기본 주파수 P가 작을 때에는 wt2(i)에 가까운 값을 계수 wO(i)로 할 수 있고, 반대로 기본 주파수가 중간 정도인 경우 중 기본 주파수 P가 클 때에는 wt0(i)에 가까운 값을 계수 wO(i)로 할 수 있으므로, 2개의 테이블만으로 3개 이상의 계수 wO(i)를 얻을 수 있다.(3) th1'≥ if the value in the fundamental frequency and the positive correlation, that is, if the fundamental frequency is a little value, and select each coefficient w t2 (i) of the coefficient table t2 as a function w O (i) . Here, β 'is 0??'? 1, and when the fundamental frequency P takes a small value, the value of? 'Is also small. When the fundamental frequency P takes a large value, the function?' = C P) from the fundamental frequency P. With this configuration, when the fundamental frequency is intermediate, a value close to w t2 (i) can be set as a coefficient w O (i) when the fundamental frequency P is small. On the other hand, When P is large, a value close to w t0 (i) can be set as a coefficient w O (i), so that three or more coefficients w O (i) can be obtained by only two tables.

또, 여기서, 0<th1<th2라는 관계를 만족하는 2개의 역치 th1,th2가 정해져 있는 것으로 한다. 이 때, 계수 계산부(24)는Here, it is assumed that two threshold values th1 and th2 satisfying the relationship of 0 < th1 < th2 are defined. At this time, the coefficient calculation section 24 calculates

(1) 기본 주파수와 부의 상관관계에 있는 값≥th2의 경우, 즉, 주기가 길다고 판단된 경우에는, 계수 테이블 t2의 각 계수 wt2(i)를 계수 wO(i)로서 선택하고,(I) a value w &lt; th &gt; (i) having a negative correlation with the fundamental frequency, that is, when it is determined that the period is long,

(2) th2>기본 주파수와 부의 상관관계에 있는 값≥th1의 경우, 즉, 주기가 중간 정도라고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)와 계수 테이블 t2의 각 계수 wt2(i)를 사용하여, wO(i)=(1-β)×wt0(i)+β×wt2(i)에 의해 계수 wO(i)를 결정하고,(2) th2> ≥th1 if the value in the correlation between the fundamental frequency and the portion, that is, if it is determined that the period is moderate, each coefficient in the coefficient table t0 t0 each coefficient w (i) and coefficient table t2 of w use t2 (i), and determines the coefficient w O (i) by w O (i) = (1 -β) × w t0 (i) + β × w t2 (i),

(3) th1>기본 주파수와 부의 상관관계에 있는 값의 경우, 즉, 주기가 작다고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)를 계수 wO(i)로서 선택한다. 여기서 β는 0≤β≤1이며, 또한 주기 T가 작은 값을 취할 때는 β의 값도 작아지고, 주기 T가 큰 값을 취할 때에 β의 값도 커지는 함수 β=b(T)에 의해, 주기 T로부터 구하는 값이다. 이 구성으로 하면, 주기가 중간 정도인 경우 중 주기 T가 작을 때에는 wt0(i)에 가까운 값을 계수 wO(i)로 할 수 있고, 반대로 주기가 중간 정도인 경우 중 주기 T가 클 때에는 wt2(i)에 가까운 값을 계수 wO(i)로 할 수 있으므로, 2개의 테이블만으로 3개 이상의 계수 wO(i)를 얻을 수 있다.(3) th1> if the value in the correlation between the fundamental frequency and the portion, that is, if the judgment period is small, and selects each coefficient w t0 (i) as a function of the coefficient table t0 O w (i). Here, by a function? = B (T) where 0??? 1, and when the period T takes a small value, the value of? Becomes small and the value of? Becomes large when the period T takes a large value, T. With this configuration, when the period is intermediate, when the period T is small, a value close to w t0 (i) can be set as the coefficient w O (i). On the other hand, values close to w t2 (i) can be a factor O w (i), it can be obtained three or more coefficients w O (i) only two tables.

또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t2의 i=0의 계수 wt0(0), wt2(0)에 대해서는, wt0(0)≤wt2(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt2(0)의 관계에 있는 값이어도 된다.In addition, the coefficient table storage unit coefficients stored in the 25 tables t0, i = 0 the coefficient of t2 t0 w (0), for t2 w (0), w t0 (0) ≤w t2 (0) It is not essential that the relation is satisfied, and it may be a value in the relationship of w t0 (0)> w t2 (0).

[제1 실시형태 내지 제3 실시형태에 공통의 변형예][Modifications common to the first to third embodiments]

도 10 및 도 11에 나타내는 바와 같이, 상기 서술한 모든 실시형태 및 변형예에 있어서, 계수 승산부(22)를 포함하지 않고, 예측 계수 계산부(23)에 있어서 계수 wO(i)와 자기상관 RO(i)을 사용하여 선형 예측 분석을 행해도 된다. 도 10과 도 11은 각각 도 1과 도 5에 대응하는 선형 예측 분석 장치(2)의 구성예이다. 이 경우는 예측 계수 계산부(23)는 도 12에 나타내는 바와 같이 계수 wO(i)와 자기상관 RO(i)이 승산된 것인 변형 자기상관 R'O(i)이 아니고, 계수 wO(i)와 자기상관 RO(i)을 직접 사용하여 선형 예측 분석을 행한다(스텝 S5).As shown in Figs. 10 and 11, in the above-described all embodiments and modification, the coefficient multiplication portion 22, without including the coefficient w O (i) according to the prediction coefficient calculation unit 23 and the magnetic The linear prediction analysis may be performed using the correlation R O (i). Figs. 10 and 11 are structural examples of the linear prediction analysis apparatus 2 corresponding to Figs. 1 and 5, respectively. In this case, not the prediction coefficient calculation unit 23 is a modified auto-correlation R 'O (i) factor w O (i) and the auto-correlation R O (i) it is multiplied as shown in Figure 12, the coefficients w O (i) and autocorrelation R O (i) are directly used (step S5).

[제4 실시형태][Fourth Embodiment]

제4 실시형태는 입력 신호 XO(n)에 대하여 종래의 선형 예측 분석 장치를 사용하여 선형 예측 분석을 행하고, 그 선형 예측 분석의 결과를 사용하여 기본 주파수 계산부에서 기본 주파수를 얻고, 얻어진 기본 주파수에 기초하는 계수 wO(i)를 사용하여 본 발명의 선형 예측 분석 장치에 의해 선형 예측 계수로 변환 가능한 계수를 구하는 것이다.In the fourth embodiment, linear prediction analysis is performed on the input signal X O (n) using a conventional linear prediction analysis apparatus, the fundamental frequency is obtained in the basic frequency calculation section using the results of the linear prediction analysis, And a coefficient w O (i) based on frequency is used to obtain coefficients convertible to linear prediction coefficients by the linear prediction analysis apparatus of the present invention.

제4 실시형태의 선형 예측 분석 장치(3)는 예를 들면 도 13에 나타내는 바와 같이 제１선형 예측 분석부(31), 선형 예측 잔차 계산부(32), 기본 주파수 계산부(33), 제2 선형 예측 분석부(34)를 구비하고 있다.13, the linear prediction analysis apparatus 3 of the fourth embodiment includes a first linear prediction analysis unit 31, a linear prediction residual calculation unit 32, a fundamental frequency calculation unit 33, And a 2-linear prediction analysis unit 34. FIG.

[제１선형 예측 분석부(31)][First Linear Prediction Analysis Unit 31]

제１선형 예측 분석부(31)는 종래의 선형 예측 분석 장치(1)와 동일한 동작을 한다. 즉, 제１선형 예측 분석부(31)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 구하고, 자기상관 RO(i)(i=0,1,…,Pmax)과 미리 정한 계수 wO(i)(i=0,1,…,Pmax)를 동일한 i마다 곱합으로써 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구하고, 변형 자기상관 R'O(i)(i=0,1,…,Pmax)으로부터 1차로부터 미리 정한 최대 차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다.The first linear prediction analyzing unit 31 performs the same operation as the conventional linear prediction analyzing apparatus 1. In other words, the first linear prediction analysis unit 31 is an input signal from the X O (n) auto-correlation R O (i) to obtain a (i = 0,1, ..., P max), the autocorrelation R O (i) ( i = 0,1, ..., P max ) and a predetermined coefficient w O (i) (i = 0,1, ..., P max) by multiplying the same for each strain i auto-correlation R 'O (i) (i = 0, 1, ..., to obtain a P max), transformed to the autocorrelation R 'O (i) (i = 0,1, ..., P max) linear prediction coefficients from up chasuin P max difference determined in advance from the primary Find transformable coefficients.

[선형 예측 잔차 계산부(32)][Linear prediction residual calculation unit 32]

선형 예측 잔차 계산부(32)는 입력 신호 XO(n)에 대하여 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수에 기초하는 선형 예측이나 선형 예측과 등가인 또는 유사한 필터링 처리를 행하여 선형 예측 잔차 신호 XR(n)를 구한다. 필터링 처리는 가중 처리라고도 할 수 있으므로, 선형 예측 잔차 신호 XR(n)는 가중 입력 신호라고도 할 수 있다.The linear prediction residual calculation section 32 performs a filtering process equivalent to or similar to the linear prediction or the linear prediction based on the coefficients convertible from the first order to the P max difference to the input signal X O (n) And obtains the linear prediction residual signal X R (n). Since the filtering process may be called a weighting process, the linear prediction residual signal X R (n) may be referred to as a weighted input signal.

[기본 주파수 계산부(33)][Basic frequency calculation unit 33]

기본 주파수 계산부(33)는 선형 예측 잔차 신호 XR(n)의 기본 주파수 P를 구하고, 기본 주파수에 대한 정보를 출력한다. 기본 주파수를 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 기본 주파수 계산부(33)는 예를 들면 현 프레임의 선형 예측 잔차 신호 XR(n)(n=0,1,…,N-1)를 구성하는 복수개의 서브프레임의 각각에 대해서 기본 주파수를 구한다. 즉, 2 이상의 정수인 M개의 서브프레임인 XRs1(n)(n=0,1,…,N/M-1),…,XRsM(n)(n=(M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 기본 주파수인 Ps1,…,PsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 기본 주파수 계산부(33)는 다음에 현 프레임을 구성하는 M개의 서브프레임의 기본 주파수인 Ps1,…,PsM 중 최대값 max(Ps1,…,PsM)을 특정 가능한 정보를 기본 주파수에 대한 정보로서 출력한다.The basic frequency calculator 33 obtains the fundamental frequency P of the linear prediction residual signal X R (n) and outputs information about the fundamental frequency. As a method of obtaining the fundamental frequency, there are various known methods, and any known method may be used. The fundamental frequency calculating section 33 is for example a current frame linear prediction residual signal X R (n) of (n = 0,1, ..., N -1) of the fundamental frequency for each of the plurality of sub-frames constituting the I ask. That is, M Rs1 (n) (n = 0, 1, ..., N / M-1) , P s1 , ..., N s, which are the fundamental frequencies of X RsM (n) (n = (M-1) N / M, (M-1) N / M + 1, ..., , P sM is obtained. N is divided by M. The basic frequency calculator 33 then calculates the basic frequency of the subframes Ps1 , ..., , The maximum value max (P s1, ..., sM P) of P sM and outputs the specific information as possible about the fundamental frequency.

[제2 선형 예측 분석부(34)][Second Linear Prediction Analysis Unit 34]

제2 선형 예측 분석부(34)는 제1 실시형태 내지 제3 실시형태의 선형 예측 분석 장치(2), 제2 실시형태의 제2 변형예의 선형 예측 분석 장치(2), 제3 실시형태의 변형예의 선형 예측 분석 장치(2), 제1 실시형태 내지 제3 실시형태에 공통인 변형예의 선형 예측 분석 장치(2)의 어느 하나와 동일한 동작을 한다. 즉, 제2 선형 예측 분석부(34)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 구하고, 기본 주파수 계산부(33)가 출력한 기본 주파수에 대한 정보에 기초하여 계수 wO(i)(i=0,1,…,Pmax)를 결정하고, 자기상관 RO(i)(i=0,1,…,Pmax)과 결정한 계수 wO(i)(i=0,1,…,Pmax)를 사용하여 1차로부터 미리 정한 최대 차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다.The second linear prediction analyzing unit 34 includes the linear prediction analyzing apparatus 2 of the first to third embodiments, the linear prediction analyzing apparatus 2 of the second modification of the second embodiment, The linear prediction analysis apparatus 2 according to the modified example, and the linear prediction analysis apparatus 2 according to the modified example common to the first to third embodiments. In other words, the second linear prediction analyzer 34 obtains the autocorrelation R O (i) (i = 0, 1, ..., P max ) from the input signal X O (n), and the basic frequency calculator 33 O coefficients w (i) on the basis of the information on the output fundamental frequency, determining (i = 0,1, ..., P max) , and the auto-correlation R O (i) (i = 0,1, ..., P max (I = 0, 1, ..., P max ) and a determined coefficient w O (i) (i = 0, 1, ..., P max ) are used to obtain a coefficient that can be converted into a linear prediction coefficient from a first order to a predetermined maximum degree P max .

<제4 실시형태의 변형예>&Lt; Modification of Fourth Embodiment >

제4 실시형태의 변형예는 입력 신호 XO(n)에 대하여 종래의 선형 예측 분석 장치를 사용하여 선형 예측 분석을 행하고, 그 선형 예측 분석의 결과를 사용하여 주기 계산부에서 주기를 얻고, 얻어진 주기에 기초하는 계수 wO(i)를 사용하여 본 발명의 선형 예측 분석 장치에 의해 선형 예측 계수로 변환 가능한 계수를 구하는 것이다.A modification of the fourth embodiment is to perform a linear prediction analysis on the input signal X O (n) using a conventional linear prediction analysis apparatus, to obtain a period in the period calculation section using the result of the linear prediction analysis, And a coefficient w O (i) based on the period is used to obtain coefficients convertible to linear prediction coefficients by the linear prediction analysis apparatus of the present invention.

제4 실시형태의 변형예의 선형 예측 분석 장치(3)는 예를 들면 도 14에 나타내는 바와 같이 제１선형 예측 분석부(31), 선형 예측 잔차 계산부(32), 주기 계산부(35), 제2 선형 예측 분석부(34)를 구비하고 있다. 제4 실시형태의 변형예의 선형 예측 분석 장치(3)의 제１선형 예측 분석부(31)와 선형 예측 잔차 계산부(32)는 각각 제4 실시형태의 선형 예측 분석 장치(3)와 마찬가지이다. 이하, 제4 실시형태와 상이한 부분을 중심으로 설명한다.14, the linear prediction analysis apparatus 3 of the modification of the fourth embodiment includes a first linear prediction analysis unit 31, a linear prediction residual calculation unit 32, a period calculation unit 35, And a second linear prediction analysis unit 34. [ The first linear prediction analysis unit 31 and the linear prediction residual calculation unit 32 of the linear prediction analysis apparatus 3 of the modification of the fourth embodiment are respectively the same as those of the linear prediction analysis apparatus 3 of the fourth embodiment . Hereinafter, a description will be given centering on a part different from the fourth embodiment.

[주기 계산부(35)][Period Calculation Unit 35]

주기 계산부(35)는 선형 예측 잔차 신호 XR(n)의 주기 T를 구하고, 주기에 대한 정보를 출력한다. 주기를 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 주기 계산부(35)는 예를 들면 현 프레임의 선형 예측 잔차 신호 XR(n)(n=0,1,…,N-1)를 구성하는 복수개의 서브프레임의 각각에 대해서 주기를 구한다. 즉, 2 이상의 정수인 M개의 서브프레임인 XRs1(n)(n=0,1,…,N/M-1),…,XRsM(n)(n=(M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 주기인 Ts1,…,TsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 주기 계산부(35)는 다음에 현 프레임을 구성하는 M개의 서브프레임의 주기인 Ts1,…,TsM 중 최소값 min(Ts1…,TsM)을 특정 가능한 정보를 주기에 대한 정보로서 출력한다.The period calculator 35 obtains the period T of the linear prediction residual signal X R (n), and outputs information on the period. Since there are various known methods for obtaining the period, any known method may be used. Period calculating unit 35, for example, a linear prediction residual signal X R (n) of the current frame (n = 0,1, ..., N -1) is obtained for each cycle of a plurality of subframes constituting a. That is, M Rs1 (n) (n = 0, 1, ..., N / M-1) , X RsM (n) (n = (M-1) N / M, (M-1) N / M + 1, ..., N-1) is T s1, each cycle of ... , T sM is obtained. N is divided by M. The period calculator 35 then calculates the period Ts1 , ..., Ts, which is the period of the M subframes constituting the current frame, , The minimum value min (T s1 ..., sM T) of the T sM and outputs it as information for a specific period available information.

[변형예의 제2 선형 예측 분석부(34)][Second Linear Prediction Analysis Unit 34 of Modified Example]

제4 실시형태의 변형예의 제2 선형 예측 분석부(34)는 제1 실시형태의 변형예의 선형 예측 분석 장치(2), 제2 실시형태의 제1 변형예의 선형 예측 분석 장치(2), 제2 실시형태의 제3 변형예의 선형 예측 분석 장치(2), 제3 실시형태의 선형 예측 분석 장치(2), 제3 실시형태의 변형예의 선형 예측 분석 장치(2), 제1 실시형태 내지 제3 실시형태에 공통인 변형예의 선형 예측 분석 장치(2)의 어느 하나와 동일한 동작을 한다. 즉, 제2 선형 예측 분석부(34)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 구하고, 주기 계산부(35)가 출력한 주기에 대한 정보에 기초하여 계수 wO(i)(i=0,1,…,Pmax)를 결정하고, 자기상관 RO(i)(i=0,1,…,Pmax)과 결정한 계수 wO(i)(i=0,1,…,Pmax)를 사용하여 1차로부터 미리 정한 최대 차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다.The second linear prediction analyzer 34 of the modification of the fourth embodiment is different from the linear prediction analyzer 2 of the modification of the first embodiment, the linear prediction analyzer 2 of the first modification of the second embodiment, The linear prediction analysis apparatus 2 of the third modification of the second embodiment, the linear prediction analysis apparatus 2 of the third embodiment, the linear prediction analysis apparatus 2 of the modification example of the third embodiment, The same operation as any one of the linear prediction analyzing apparatuses 2 according to the modification common to the three embodiments is performed. In other words, the second linear prediction analyzer 34 obtains autocorrelation R O (i) (i = 0, 1, ..., P max ) from the input signal X O (n) determining the coefficients w O (i) (i = 0,1, ..., P max) on the basis of information on a period, the autocorrelation R O (i) (i = 0,1, ..., P max) and determining coefficients w O (i) (i = 0,1, ..., P max) to obtain the transform coefficients available in the linear prediction coefficient of up to P max chasuin difference previously determined from the first use.

<기본 주파수와 정의 상관관계에 있는 값에 대해서><For values that have a positive correlation with the fundamental frequency>

제1 실시형태에 있어서 기본 주파수 계산부(930)의 구체예 2로서 설명한 바와 같이 기본 주파수와 정의 상관관계에 있는 값으로서, 앞의 프레임의 신호 처리에 있어서 Look-ahead라고도 불리는 미리보기하여 이용하는 샘플 부분 중 현 프레임의 샘플에 대응하는 부분의 기본 주파수를 사용해도 된다.As described in the second specific example of the basic frequency calculation section 930 in the first embodiment, a value used as a value that has a positive correlation with the fundamental frequency is used as a sample for preview use The fundamental frequency of the portion corresponding to the sample of the current frame may be used.

또, 기본 주파수와 정의 상관관계에 있는 값으로서, 기본 주파수의 추정값을 사용해도 된다. 예를 들면, 과거의 복수 프레임의 기본 주파수로부터 예측되는 현재의 프레임에 대한 기본 주파수의 추정값이나, 과거의 복수 프레임에 대한 기본 주파수의 평균값이나 최소값이나 최대값을 기본 주파수의 추정값으로서 사용해도 된다. 또, 복수 서브프레임에 대한 기본 주파수의 평균값이나 최소값이나 최대값을 기본 주파수의 추정값으로서 사용해도 된다.It is also possible to use an estimated value of the fundamental frequency as a value having a positive correlation with the fundamental frequency. For example, the estimated value of the fundamental frequency for the current frame predicted from the basic frequency of the past plural frames, or the average value, the minimum value, or the maximum value of the fundamental frequency for the past plural frames may be used as the estimated value of the fundamental frequency. The mean value, the minimum value, or the maximum value of the fundamental frequency for a plurality of subframes may be used as the estimated value of the fundamental frequency.

또, 기본 주파수와 정의 상관관계에 있는 값으로서, 기본 주파수의 양자화값을 사용해도 된다. 즉, 양자화 전의 기본 주파수를 사용해도 되고, 양자화 후의 기본 주파수를 사용해도 된다.The quantized value of the fundamental frequency may be used as a positive correlation with the fundamental frequency. That is, the fundamental frequency before quantization may be used, or the fundamental frequency after quantization may be used.

또한, 기본 주파수와 정의 상관관계에 있는 값으로서, 스테레오 등의 복수 채널의 경우에는 어느 하나의 분석이 완료된 채널에 대한 기본 주파수를 사용해도 된다.As a value correlated positively with the fundamental frequency, in the case of a plurality of channels such as stereo, a fundamental frequency for a channel in which any one of the analyzes is completed may be used.

<기본 주파수와 부의 상관관계에 있는 값에 대해서><For values that are negatively correlated with the fundamental frequency>

제1 실시형태에 있어서 주기 계산부(940)의 구체예 2로서 설명한 바와 같이, 기본 주파수와 부의 상관관계에 있는 값으로서, 앞의 프레임의 신호 처리에 있어서 Look-ahead라고도 불리는 미리보기하여 이용하는 샘플 부분 중 현 프레임의 샘플에 대응하는 부분의 주기를 사용해도 된다.As described in the second specific example of the period calculating section 940 in the first embodiment, as a value having a negative correlation with the fundamental frequency, a sample used for previewing, which is also referred to as Look-ahead in the signal processing of the previous frame The period of the portion corresponding to the sample of the current frame may be used.

또, 기본 주파수와 부의 상관관계에 있는 값으로서, 주기의 추정값을 사용해도 된다. 예를 들면, 과거의 복수 프레임의 기본 주파수로부터 예측되는 현재의 프레임에 대한 주기의 추정값이나, 과거의 복수 프레임에 대한 주기의 평균값이나 최소값이나 최대값을 주기의 추정값으로서 사용해도 된다. 또, 복수 서브프레임에 대한 주기의 평균값이나 최소값이나 최대값을 주기의 추정값으로서 사용해도 된다. 혹은 과거의 복수 프레임의 기본 주파수 및 Look-ahead라고도 불리는 미리보기하여 이용하는 샘플 부분 중 현 프레임의 샘플에 대응하는 부분에 의해 예측되는 현 프레임에 대한 주기의 추정값을 사용해도 되고, 마찬가지로 과거의 복수 프레임의 기본 주파수 및 Look-ahead라고도 불리는 미리보기하여 이용하는 샘플 부분 중 현 프레임의 샘플에 대응하는 부분에 대한 평균값이나 최소값이나 최대값을 추정값으로서 사용해도 된다.It is also possible to use an estimated value of the period as a value having a negative correlation with the fundamental frequency. For example, an estimation value of a cycle for a current frame predicted from a basic frequency of a past plural frames, or an average value, a minimum value, or a maximum value of a cycle for a plurality of past frames may be used as an estimation value of a cycle. The mean value, the minimum value, or the maximum value of the period for a plurality of subframes may be used as the estimated value of the period. Alternatively, the estimated value of the cycle for the current frame predicted by the portion corresponding to the sample of the current frame among the sample portions used for preview, which is also referred to as a basic frequency and a look-ahead in the past plural frames, The average value, the minimum value, or the maximum value of the portion corresponding to the sample of the current frame among the sample portions to be used in advance, which is also referred to as a fundamental frequency and a look-ahead, may be used as the estimated value.

또, 기본 주파수와 부의 상관관계에 있는 값으로서, 주기의 양자화값을 사용해도 된다. 즉, 양자화 전의 주기를 사용해도 되고, 양자화 후의 주기를 사용해도 된다.Alternatively, a periodic quantization value may be used as a value having a negative correlation with the fundamental frequency. That is, the period before quantization may be used, or the period after quantization may be used.

또한, 기본 주파수와 부의 상관관계에 있는 값으로서, 스테레오 등의 복수 채널의 경우에는 어느 하나의 분석이 완료된 채널에 대한 주기를 사용해도 된다.Also, as a value having a negative correlation with the fundamental frequency, in the case of a plurality of channels such as stereo, a period for a channel in which any one analysis is completed may be used.

또한, 상기한 각 실시형태 및 각 변형예의 기본 주파수와 정의 상관관계에 있는 값이나 기본 주파수와 부의 상관관계에 있는 값과 역치와의 비교에 있어서는, 기본 주파수와 정의 상관관계에 있는 값이나 기본 주파수와 부의 상관관계에 있는 값이 역치와 동일한 값인 경우에는, 역치를 경계로 하여 인접하는 2개의 경우의 어느 일방 경우로 나뉘도록 설정하면 된다. 즉, 어떠한 역치 이상의 경우로 되어 있는 곳을 당해 역치보다 큰 경우로 함과 아울러, 당해 역치보다 작은 경우로 되어 있는 곳을 당해 역치 이하의 경우로 해도 된다. 또, 어떠한 역치보다 큰 경우로 되어 있는 곳을 당해 역치 이상의 경우로 함과 아울러, 당해 역치 이하의 경우로 되어 있는 곳을 당해 역치보다 작은 경우로 해도 된다.In the comparison between the values correlated positively with the fundamental frequencies of the above-described embodiments and modified examples, or between the values having a negative correlation with the fundamental frequency and the threshold value, a value having a positive correlation with the fundamental frequency, And the value of the negative correlation with the threshold value is the same as the threshold value, the threshold value may be set to be divided into one of two adjacent cases with the threshold value as a boundary. That is, a case where a threshold value is greater than a threshold value may be used, and a case where the threshold value is less than the threshold value may be a threshold value or less. In addition, a case where the threshold is greater than a certain threshold value may be a threshold value or more, and a case where the threshold value is less than the threshold value may be determined to be less than the threshold value.

상기 장치 및 방법에 있어서 설명한 처리는 기재된 순서에 따라 시계열로 실행될 뿐만아니라 처리를 실행하는 장치의 처리 능력 또는 필요에 따라서 병렬적으로 또는 개별로 실행되어도 된다.The processes described in the above apparatuses and methods may be executed not only in a time series according to the described order but also in parallel or individually depending on the processing capability or the necessity of the apparatus for executing the process.

또, 선형 예측 분석 방법에 있어서의 각 스텝을 컴퓨터에 의해 실현하는 경우, 선형 예측 분석 방법이 가져야 할 기능의 처리 내용은 프로그램에 의해 기술된다. 그리고, 이 프로그램을 컴퓨터로 실행함으로써, 그 각 스텝이 컴퓨터 상에서 실현된다.In the case where each step in the linear prediction analysis method is realized by a computer, the processing contents of the functions to be possessed by the linear prediction analysis method are described by the program. By executing this program on a computer, each of the steps is realized on a computer.

이 처리 내용을 기술한 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록해 둘 수 있다. 컴퓨터로 판독 가능한 기록 매체로서는 예를 들면 자기 기록 장치, 광디스크, 광자기 기록 매체, 반도체 메모리 등 어떠한 기록 매체이어도 된다.The program describing the processing contents can be recorded on a computer-readable recording medium. The computer-readable recording medium may be any recording medium such as a magnetic recording apparatus, an optical disk, a magneto-optical recording medium, or a semiconductor memory.

또, 각 처리 수단은 컴퓨터 상에서 소정의 프로그램을 실행시킴으로써 구성하는 것으로 해도 되고, 이들 처리 내용의 적어도 일부를 하드웨어적으로 실현하는 것으로 해도 된다.Each processing means may be constituted by executing a predetermined program on a computer, or at least part of these processing contents may be realized in hardware.

그 밖에 본 발명의 취지를 일탈하지 않는 범위에서 적당히 변경이 가능한 것은 말할 필요도 없다.Needless to say, it is possible to appropriately change the scope of the present invention without departing from the gist of the present invention.

1: 종래의 선형 예측 분석 장치
2: 제1 실시형태의 선형 예측 분석 장치
3: 제4 실시형태의 선형 예측 분석 장치
21: 자기상관 계산부 22: 계수 승산부
23: 예측 계수 계산부 24: 계수 결정부
25: 계수 테이블 기억부 31: 제１선형 예측 분석부
32: 선형 예측 잔차 계산부 33: 기본 주파수 계산부
34: 제2 선형 예측 분석부 35: 주기 계산부
900: 주기성 분석부 930: 기본 주파수 계산부
940: 주기 계산부1: Conventional linear prediction analysis apparatus
2: Linear prediction analysis apparatus of the first embodiment
3: Linear prediction analysis apparatus of the fourth embodiment
21: autocorrelation calculation unit 22: coefficient multiplication unit
23: prediction coefficient calculation unit 24: coefficient determination unit
25: coefficient table storage unit 31: first linear prediction analysis unit
32: linear prediction residual calculation unit 33: basic frequency calculation unit
34: second linear prediction analysis unit 35:
900: Periodicity analysis unit 930: Fundamental frequency calculation unit
940:

Claims (18)

입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 주기의 추정값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame cycle, or a quantization value of the cycle, or by using an estimated value of the period count for obtaining a coefficient w O (i) from a single coefficient table in the coefficient table, two or more determination step for,
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation step of obtaining a coefficient convertible into coefficients,
Wherein the coefficient table in which the coefficient w O (i) is obtained in the coefficient determination step when the period or the period of the two or more coefficient tables, or the quantization value of the period, or the estimated value of the period is a first value, And,
The period of the at least two coefficient table, or a coefficient table, the quantized values of the period, or the estimated value of the period in which the coefficient w O (i) obtained in the first determine the coefficients to the first value than when larger value the second value, the step As a second coefficient table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders A linear predictive analytical method. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 주기의 추정값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝을 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation step of obtaining a possible coefficient,
A coefficient w O (i) is stored in each of the coefficient tables, and a period or a periodic quantization value based on an input time series signal in a current or past frame, or Further comprising a coefficient determining step of obtaining a coefficient wo (i) from one coefficient table of the two or more coefficient tables using the estimated value of the period,
Wherein the coefficient table in which the coefficient w O (i) is obtained in the coefficient determination step when the period or the period of the two or more coefficient tables, or the quantization value of the period, or the estimated value of the period is a first value, And,
The period of the at least two coefficient table, or a coefficient table, the quantized values of the period, or the estimated value of the period in which the coefficient w O (i) obtained in the first determine the coefficients to the first value than when larger value the second value, the step As a second coefficient table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame (I) from one coefficient table of the two or more coefficient tables using a value having a negative correlation with a fundamental frequency to be used for the coefficient w O
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation step of obtaining a coefficient convertible into coefficients,
The value in the correlation the fundamental frequency and a portion of said at least two coefficient table relationship and the coefficient table is obtained w coefficient in the coefficient determining step when the value of first predetermined value O (i) a first coefficient table,
Said two or more count the fundamental frequency and the negative correlation between the first value than when larger value the second value of the coefficient in the coefficient determining step for w O (i) is the second coefficient of the coefficient table to be retrieved value in the in table As a table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders A linear predictive analytical method. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝을 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation step of obtaining a possible coefficient,
And is stored is more than one coefficient table, and is, the coefficient w O (i) storing each of the coefficient table, the values in the fundamental frequency and the negative correlation based on the input time-series signal according to the current or past frames. (I) from one coefficient table of the two or more coefficient tables by using the coefficient w O
The value in the correlation the fundamental frequency and a portion of said at least two coefficient table relationship and the coefficient table is obtained w coefficient in the coefficient determining step when the value of first predetermined value O (i) a first coefficient table,
Said two or more count the fundamental frequency and the negative correlation between the first value than when larger value the second value of the coefficient in the coefficient determining step for w O (i) is the second coefficient of the coefficient table to be retrieved value in the in table As a table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과,
취득된 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame the fundamental frequency and the coefficient of determination for acquiring one coefficient coefficient w O (i) from a table of at least two coefficient table using the values in the defined correlation step for,
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i), in which the acquired coefficients w O (i) and the autocorrelation R O (i) And a predictive coefficient calculating step of calculating a predictive coefficient,
A coefficient table in which the coefficient w O (i) is acquired in the coefficient determination step when the value in positive correlation with the fundamental frequency among the two or more coefficient tables is a predetermined value is set as a first coefficient table,
Said two or more count the fundamental frequency and the positive correlation between the first value than when a small value of the second value of the coefficient in the coefficient determining step for w O (i) is the second coefficient of the coefficient table to be retrieved value in the in table As a table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders A linear predictive analytical method. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝을 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation step of obtaining a possible coefficient,
A coefficient w O (i) is stored in each of the coefficient tables, and a value having a positive correlation with a fundamental frequency based on an input time series signal in a current or past frame (I) from one coefficient table of the two or more coefficient tables by using the coefficient w O
A coefficient table in which the coefficient w O (i) is acquired in the coefficient determination step when the value in positive correlation with the fundamental frequency among the two or more coefficient tables is a predetermined value is set as a first coefficient table,
Said two or more count the fundamental frequency and the positive correlation between the first value than when a small value of the second value of the coefficient in the coefficient determining step for w O (i) is the second coefficient of the coefficient table to be retrieved value in the in table As a table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수를 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과,
취득된 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame (I) from one coefficient table among the two or more coefficient tables using a fundamental frequency to be used for the coefficient w O
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i), in which the acquired coefficients w O (i) and the autocorrelation R O (i) And a predictive coefficient calculating step of calculating a predictive coefficient,
The fundamental frequency of the at least two coefficients, and a coefficient table, the table is acquired coefficient w O (i) in the coefficient determining step if the value of the first predetermined value as the first coefficient table,
By the coefficient table the fundamental frequency of the at least two coefficient table is obtained that the coefficient w O (i) in the coefficient determining step if the second value of the second value smaller than the first value to the second coefficient table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders A linear predictive analytical method. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수를 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝을 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 소정의 값인 제1값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 방법.A linear prediction analysis method for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation step of calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation step of obtaining a possible coefficient,
2, each of the at least two coefficient table and stored, the coefficient table coefficient w O (i) is and is stored, the current, or by using the fundamental frequency based on an input time-series signal in the frame in the past at least two And a coefficient determining step of obtaining a coefficient w O (i) from one coefficient table in the coefficient table,
The fundamental frequency of the at least two coefficients, and a coefficient table, the table is acquired coefficient w O (i) in the coefficient determining step if the value of the first predetermined value as the first coefficient table,
By the coefficient table the fundamental frequency of the at least two coefficient table is obtained that the coefficient w O (i) in the coefficient determining step if the second value of the second value smaller than the first value to the second coefficient table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 주기의 추정값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부와,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame and the period or the quantization value of the cycle, or a coefficient by using the estimated value of the acquisition cycle the coefficients w O (i) from a single coefficient table of the at least two counting table determination section,
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation unit for obtaining coefficients convertible to coefficients,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination section when the period or the period of the two or more coefficient tables, or the quantization value of the period, or the estimated value of the period is a first value, And,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination section when the period or the period of the two or more coefficient tables, or the quantization value of the period or the estimated value of the period is a second value larger than the first value As a second coefficient table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders Wherein the linear predictive analyzer comprises: 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 주기, 또는 주기의 양자화값, 또는 주기의 추정값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부를 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 주기, 또는 주기의 양자화값, 또는 주기의 추정값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation unit for obtaining a possible coefficient,
A coefficient w O (i) is stored in each of the coefficient tables, and a period or a periodic quantization value based on an input time series signal in a current or past frame, or using the estimated value of the period, and further comprises a coefficient determination unit configured to obtain a coefficient w O (i) from a single coefficient table of the at least two counting table,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination section when the period or the period of the two or more coefficient tables, or the quantization value of the period, or the estimated value of the period is a first value, And,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination section when the period or the period of the two or more coefficient tables, or the quantization value of the period or the estimated value of the period is a second value larger than the first value As a second coefficient table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부와,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame (I) from one coefficient table among the two or more coefficient tables using a value having a negative correlation with a fundamental frequency to be used for the coefficient w O
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation unit for obtaining coefficients convertible to coefficients,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value of a negative correlation with the fundamental frequency of the two or more coefficient tables is a predetermined value is set as a first coefficient table,
And a coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value in a negative correlation with the fundamental frequency of the two or more coefficient tables is a second value that is a value larger than the first value is defined as a second coefficient As a table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders Wherein the linear predictive analyzer comprises: 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 부의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부를 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 부의 상관관계에 있는 값이 상기 제1값보다 큰 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation unit for obtaining a possible coefficient,
And is stored is more than one coefficient table, and is, the coefficient w O (i) storing each of the coefficient table, the values in the fundamental frequency and the negative correlation based on the input time-series signal according to the current or past frames. using further comprising a coefficient determining unit for obtaining a coefficient w O (i) from a single coefficient table of the at least two counting table,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value of a negative correlation with the fundamental frequency of the two or more coefficient tables is a predetermined value is set as a first coefficient table,
And a coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value in a negative correlation with the fundamental frequency of the two or more coefficient tables is a second value that is a value larger than the first value is defined as a second coefficient As a table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부와,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame and a coefficient for obtaining the fundamental frequency and the coefficient w O (i) using the values from the one coefficient table in the coefficient table in the two or more positive correlation determination unit which,
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation unit for obtaining coefficients convertible to coefficients,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value in positive correlation with the fundamental frequency among the two or more coefficient tables is a predetermined value is set as a first coefficient table,
A coefficient table in which the coefficient w O (i) is acquired in the coefficient determination unit when a value in positive correlation with the fundamental frequency among the two or more coefficient tables is a second value smaller than the first value is defined as a second coefficient As a table,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders Wherein the linear predictive analyzer comprises: 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수와 정의 상관관계에 있는 값을 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부를 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수와 정의 상관관계에 있는 값이 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation unit for obtaining a possible coefficient,
A coefficient w O (i) is stored in each of the coefficient tables, and a value having a positive correlation with a fundamental frequency based on an input time series signal in a current or past frame using further comprising a coefficient determining unit for obtaining a coefficient w O (i) from a single coefficient table of the at least two counting table,
A coefficient table in which the coefficient w O (i) is obtained in the coefficient determination unit when a value in positive correlation with the fundamental frequency among the two or more coefficient tables is a predetermined value is set as a first coefficient table,
A coefficient table in which the coefficient w O (i) is acquired in the coefficient determination unit when a value in positive correlation with the fundamental frequency among the two or more coefficient tables is a second value smaller than the first value is defined as a second coefficient As a table,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
i=0,1,…,Pmax의 각 차수 i와 상기 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 2개 이상의 계수 테이블이 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수를 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부와,
취득된 상기 계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
적어도 일부의 차수에 대해서, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 상기 각 차수 i에 대응하는 계수보다 큰 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
i = 0,1, ... , Two or more coefficient tables in which the respective orders i of P max and the coefficients w O (i) corresponding to the respective orders i are stored are stored, and based on the input time series signals in the current or past frame and a coefficient determination unit using the basic frequency for acquiring the coefficient w O (i) from a single coefficient table of the at least two counting table,
(I) from the first order to the P max difference , using the deformation autocorrelation R ' O (i) in which the obtained coefficients w O (i) and the autocorrelation R O (i) And a prediction coefficient calculation unit for obtaining coefficients convertible to coefficients,
Wherein the coefficient table in which the coefficient w O (i) is obtained by the coefficient determination unit when the fundamental frequency among the two or more coefficient tables is a first value is set as a first coefficient table,
And a coefficient table in which the coefficient w O (i) is obtained by the coefficient determination unit when the fundamental frequency of the two or more coefficient tables is a second value smaller than the first value,
The coefficient corresponding to each degree i in the second coefficient table is greater than the coefficient corresponding to each degree i in the first coefficient table with respect to each degree i for at least some orders Wherein the linear predictive analyzer comprises: 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 사전 결정된 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i샘플만큼 미래의 입력 시계열 신호 XO(n+i)의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
계수 wO(i)와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
2개 이상의 계수 테이블이 기억되어 있고, 상기 계수 테이블의 각각에는 계수 wO(i)가 기억되어 있고, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 기본 주파수를 사용하여 상기 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정부를 추가로 포함하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 소정의 값인 제1값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고,
상기 2개 이상의 계수 테이블 중의 상기 기본 주파수가 상기 제1값보다 작은 값인 제2값인 경우에 상기 계수 결정부에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여,
i=0 이외의 차수 중 적어도 일부의 차수에 대해서는, 각 차수 i에 대하여, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 크고, i=0 이외의 차수 중 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수가 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수보다 큰 i 이외의 각 차수 i에 대해서는, 상기 제2 계수 테이블에 있어서의 이 차수 i에 대응하는 계수는 상기 제1 계수 테이블에 있어서의 이 차수 i에 대응하는 계수 이상인 것을 특징으로 하는 선형 예측 분석 장치.A linear prediction analyzing apparatus for obtaining a coefficient convertible to a linear prediction coefficient corresponding to an input time series signal for each frame, which is a predetermined time interval,
At least i = 0, 1, ... , With respect to any of the P max, in as much as the past as a sample of the current frame input time-series signal X O (n) and i input time-series signal X O (ni), or i sample future input time-series signal X O (n + i An autocorrelation calculation unit for calculating an autocorrelation R O (i)
Using the coefficient w O (i) and the auto-correlation R O (i) the corresponding strain to the multiplied each i auto-correlation R 'O (i) that, conversion from a primary to a linear predictive coefficient up to P max car And a prediction coefficient calculation unit for obtaining a possible coefficient,
2, each of the at least two coefficient table and stored, the coefficient table coefficient w O (i) is and is stored, the current, or by using the fundamental frequency based on an input time-series signal in the frame in the past at least two first determination coefficient for obtaining the coefficient w O (i) from the coefficients in the coefficient table, the table further comprising a portion,
Wherein the coefficient table in which the coefficient w O (i) is obtained by the coefficient determination unit when the fundamental frequency among the two or more coefficient tables is a first value is set as a first coefficient table,
And a coefficient table in which the coefficient w O (i) is obtained by the coefficient determination unit when the fundamental frequency of the two or more coefficient tables is a second value smaller than the first value,
the coefficient corresponding to the degree i in the second coefficient table corresponds to the degree i in the first coefficient table with respect to each degree i for at least a part of orders other than i = And a coefficient corresponding to the order i in the second coefficient table among orders other than i = 0 is larger than a coefficient corresponding to the order i in the first coefficient table, , The coefficient corresponding to the degree i in the second coefficient table is equal to or larger than a coefficient corresponding to the degree i in the first coefficient table. 제 1 항 내지 제 8 항 중 어느 한 항에 기재된 선형 예측 분석 방법의 각 스텝을 컴퓨터에 실행시키기 위하여 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.A computer program stored in a computer-readable recording medium for causing a computer to execute each step of the linear prediction analysis method according to any one of claims 1 to 8. 제 1 항 내지 제 8 항 중 어느 한 항에 기재된 선형 예측 분석 방법의 각 스텝을 컴퓨터에 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.9. A computer-readable recording medium having recorded thereon a program for causing a computer to execute each step of the linear prediction analysis method according to any one of claims 1 to 8.
KR1020177032372A 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium KR101883767B1 (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2013149160 2013-07-18
JPJP-P-2013-149160 2013-07-18
PCT/JP2014/068895 WO2015008783A1 (en) 2013-07-18 2014-07-16 Linear-predictive analysis device, method, program, and recording medium

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020167001218A Division KR101797679B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium

Publications (2)

Publication Number Publication Date
KR20170126515A KR20170126515A (en) 2017-11-17
KR101883767B1 true KR101883767B1 (en) 2018-07-31

Family

ID=52346231

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020177032374A KR101883789B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
KR1020167001218A KR101797679B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
KR1020177032372A KR101883767B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020177032374A KR101883789B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
KR1020167001218A KR101797679B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium

Country Status (9)

Country Link
US (2) US10909996B2 (en)
EP (3) EP3389047B1 (en)
JP (1) JP6117359B2 (en)
KR (3) KR101883789B1 (en)
CN (6) CN110070877B (en)
ES (3) ES2760934T3 (en)
PL (3) PL3399522T3 (en)
TR (1) TR201815212T4 (en)
WO (1) WO2015008783A1 (en)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015008783A1 (en) * 2013-07-18 2015-01-22 日本電信電話株式会社 Linear-predictive analysis device, method, program, and recording medium
US9911427B2 (en) 2014-03-24 2018-03-06 Nippon Telegraph And Telephone Corporation Gain adjustment coding for audio encoder by periodicity-based and non-periodicity-based encoding methods
US9721159B2 (en) * 2015-10-05 2017-08-01 Evan Donald Balster Periodicity analysis system
EP3684463A4 (en) 2017-09-19 2021-06-23 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement
JP6904198B2 (en) * 2017-09-25 2021-07-14 富士通株式会社 Speech processing program, speech processing method and speech processor
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11318277B2 (en) 2017-12-31 2022-05-03 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
WO2020056418A1 (en) 2018-09-14 2020-03-19 Neuroenhancement Lab, LLC System and method of improving sleep
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100169086A1 (en) 2008-12-30 2010-07-01 Fengyan Qi Signal compression method and apparatus

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5550859A (en) * 1994-04-29 1996-08-27 Lucent Technologies Inc. Recovering analog and digital signals from superimposed analog and digital signals using linear prediction
JP3402748B2 (en) * 1994-05-23 2003-05-06 三洋電機株式会社 Pitch period extraction device for audio signal
US5774846A (en) * 1994-12-19 1998-06-30 Matsushita Electric Industrial Co., Ltd. Speech coding apparatus, linear prediction coefficient analyzing apparatus and noise reducing apparatus
US5648989A (en) * 1994-12-21 1997-07-15 Paradyne Corporation Linear prediction filter coefficient quantizer and filter set
JP3522012B2 (en) * 1995-08-23 2004-04-26 沖電気工業株式会社 Code Excited Linear Prediction Encoder
TW321810B (en) * 1995-10-26 1997-12-01 Sony Co Ltd
DE69721595T2 (en) * 1996-11-07 2003-11-27 Matsushita Electric Ind Co Ltd Method of generating a vector quantization code book
FI113903B (en) * 1997-05-07 2004-06-30 Nokia Corp Speech coding
KR100391527B1 (en) * 1999-08-23 2003-07-12 마츠시타 덴끼 산교 가부시키가이샤 Voice encoder and voice encoding method
US6959274B1 (en) * 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
US20040002856A1 (en) * 2002-03-08 2004-01-01 Udaya Bhaskar Multi-rate frequency domain interpolative speech CODEC system
US7599835B2 (en) * 2002-03-08 2009-10-06 Nippon Telegraph And Telephone Corporation Digital signal encoding method, decoding method, encoding device, decoding device, digital signal encoding program, and decoding program
CN1677493A (en) * 2004-04-01 2005-10-05 北京宫羽数字技术有限责任公司 Intensified audio-frequency coding-decoding device and method
EP1755109B1 (en) * 2004-04-27 2012-08-15 Panasonic Corporation Scalable encoding and decoding apparatuses and methods
JP4461144B2 (en) * 2004-08-19 2010-05-12 日本電信電話株式会社 Multi-channel signal encoding method, decoding method thereof, apparatus, program and recording medium thereof
CN101006495A (en) * 2004-08-31 2007-07-25 松下电器产业株式会社 Audio encoding apparatus, audio decoding apparatus, communication apparatus and audio encoding method
EP2273494A3 (en) * 2004-09-17 2012-11-14 Panasonic Corporation Scalable encoding apparatus, scalable decoding apparatus
US7970605B2 (en) * 2005-01-12 2011-06-28 Nippon Telegraph And Telephone Corporation Method, apparatus, program and recording medium for long-term prediction coding and long-term prediction decoding
JP4675692B2 (en) * 2005-06-22 2011-04-27 富士通株式会社 Speaking speed converter
JP4736632B2 (en) * 2005-08-31 2011-07-27 株式会社国際電気通信基礎技術研究所 Vocal fly detection device and computer program
CN1815552B (en) * 2006-02-28 2010-05-12 安徽中科大讯飞信息科技有限公司 Frequency spectrum modelling and voice reinforcing method based on line spectrum frequency and its interorder differential parameter
ATE447227T1 (en) * 2006-05-30 2009-11-15 Koninkl Philips Electronics Nv LINEAR PREDICTIVE CODING OF AN AUDIO SIGNAL
JP4757130B2 (en) * 2006-07-20 2011-08-24 富士通株式会社 Pitch conversion method and apparatus
CN101154381B (en) * 2006-09-30 2011-03-30 华为技术有限公司 Device for obtaining coefficient of linear prediction wave filter
WO2008151408A1 (en) * 2007-06-14 2008-12-18 Voiceage Corporation Device and method for frame erasure concealment in a pcm codec interoperable with the itu-t recommendation g.711
CN101919164B (en) * 2007-12-11 2013-10-30 日本电信电话株式会社 Coding method, decoding method, device using methods, program, and recording medium
JP4918074B2 (en) * 2008-08-18 2012-04-18 日本電信電話株式会社 Encoding device, encoding method, encoding program, and recording medium
CN101983402B (en) * 2008-09-16 2012-06-27 松下电器产业株式会社 Speech analyzing apparatus, speech analyzing/synthesizing apparatus, correction rule information generating apparatus, speech analyzing system, speech analyzing method, correction rule information and generating method
CN102067211B (en) * 2009-03-11 2013-04-17 华为技术有限公司 Linear prediction analysis method, device and system
JP4932917B2 (en) * 2009-04-03 2012-05-16 株式会社エヌ・ティ・ティ・ドコモ Speech decoding apparatus, speech decoding method, and speech decoding program
CN102044250B (en) * 2009-10-23 2012-06-27 华为技术有限公司 Band spreading method and apparatus
BR112012025878B1 (en) * 2010-04-09 2021-01-05 Dolby International Ab decoding system, encoding system, decoding method and encoding method.
JP5612698B2 (en) * 2010-10-05 2014-10-22 日本電信電話株式会社 Encoding method, decoding method, encoding device, decoding device, program, recording medium
JP5663461B2 (en) * 2011-12-06 2015-02-04 日本電信電話株式会社 Encoding method, encoding apparatus, program, and recording medium
CN102693147B (en) * 2012-06-13 2015-10-28 上海第二工业大学 The assistant analysis device of computer assembly language and analytical approach
CN102867516B (en) * 2012-09-10 2014-08-27 大连理工大学 Speech coding and decoding method using high-order linear prediction coefficient grouping vector quantization
WO2015008783A1 (en) * 2013-07-18 2015-01-22 日本電信電話株式会社 Linear-predictive analysis device, method, program, and recording medium
CN110299146B (en) * 2014-01-24 2023-03-24 日本电信电话株式会社 Linear prediction analysis device, method, and recording medium
EP3462453B1 (en) * 2014-01-24 2020-05-13 Nippon Telegraph and Telephone Corporation Linear predictive analysis apparatus, method, program and recording medium

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100169086A1 (en) 2008-12-30 2010-07-01 Fengyan Qi Signal compression method and apparatus
US20130117030A1 (en) 2008-12-30 2013-05-09 Huawei Technologies Co., Ltd. Signal compression method and apparatus

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FRANK K. SOONG, et al. Line spectrum pair (LSP) and speech data compression. IEEE International Conference on Acoustics, Speech, and Signal Processing(ICASSP'84), 1984. pp.37-40.
ITU-T Recommendation G.729. Coding of Speech at 8 kbit/s using conjugate-structure algebraic-code-excited linear-prediction (CS-ACELP). ITU-T. 1996.03.

Also Published As

Publication number Publication date
CN110085243B (en) 2022-12-02
EP3012835A4 (en) 2017-03-22
CN110070876B (en) 2022-11-15
EP3012835B1 (en) 2018-09-12
TR201815212T4 (en) 2018-11-21
CN109887520B (en) 2022-12-02
CN110070877B (en) 2022-11-11
PL3389047T3 (en) 2020-02-28
JPWO2015008783A1 (en) 2017-03-02
KR101883789B1 (en) 2018-07-31
US11532315B2 (en) 2022-12-20
CN109979471A (en) 2019-07-05
CN109979471B (en) 2022-12-02
CN110085243A (en) 2019-08-02
KR20170126515A (en) 2017-11-17
US20160140975A1 (en) 2016-05-19
EP3399522A1 (en) 2018-11-07
CN105378836A (en) 2016-03-02
US10909996B2 (en) 2021-02-02
EP3389047B1 (en) 2019-09-11
ES2749904T3 (en) 2020-03-24
KR101797679B1 (en) 2017-11-15
PL3399522T3 (en) 2020-06-01
US20210098009A1 (en) 2021-04-01
ES2760934T3 (en) 2020-05-18
EP3389047A1 (en) 2018-10-17
EP3012835A1 (en) 2016-04-27
CN105378836B (en) 2019-03-29
KR20160021261A (en) 2016-02-24
KR20170127050A (en) 2017-11-20
ES2699582T3 (en) 2019-02-11
EP3399522B1 (en) 2019-09-11
US20230042203A1 (en) 2023-02-09
CN110070877A (en) 2019-07-30
WO2015008783A1 (en) 2015-01-22
PL3012835T3 (en) 2019-02-28
JP6117359B2 (en) 2017-04-19
CN110070876A (en) 2019-07-30
CN109887520A (en) 2019-06-14

Similar Documents

Publication Publication Date Title
KR101883767B1 (en) Linear prediction analysis device, method, program, and storage medium
JP6423065B2 (en) Linear prediction analysis apparatus, method, program, and recording medium
JP6416363B2 (en) Linear prediction analysis apparatus, method, program, and recording medium
US11972768B2 (en) Linear prediction analysis device, method, program, and storage medium

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant